特許 7464741 データ品質を自動的に改善すること

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-04-01

(45)【発行日】2024-04-09

(54)【発明の名称】データ品質を自動的に改善すること

(51)【国際特許分類】

   G06Q 50/10 20120101AFI20240402BHJP

   G06Q 30/015 20230101ALI20240402BHJP

【ＦＩ】

G06Q50/10

G06Q30/015

【請求項の数】 21

(21)【出願番号】P 2022554661

(86)(22)【出願日】2021-04-12

(65)【公表番号】

(43)【公表日】2023-05-15

(86)【国際出願番号】 US2021026848

(87)【国際公開番号】W WO2021211434

(87)【国際公開日】2021-10-21

【審査請求日】2022-10-03

(31)【優先権主張番号】63/010,399

(32)【優先日】2020-04-15

(33)【優先権主張国・地域又は機関】US

(31)【優先権主張番号】16/942,937

(32)【優先日】2020-07-30

(33)【優先権主張国・地域又は機関】US

(73)【特許権者】

【識別番号】502208397

【氏名又は名称】グーグル エルエルシー

【氏名又は名称原語表記】Ｇｏｏｇｌｅ ＬＬＣ

【住所又は居所原語表記】１６００ Ａｍｐｈｉｔｈｅａｔｒｅ Ｐａｒｋｗａｙ ９４０４３ Ｍｏｕｎｔａｉｎ Ｖｉｅｗ， ＣＡ Ｕ．Ｓ．Ａ．

(74)【代理人】

【識別番号】100108453

【弁理士】

【氏名又は名称】村山 靖彦

(74)【代理人】

【識別番号】100110364

【弁理士】

【氏名又は名称】実広 信哉

(74)【代理人】

【識別番号】100133400

【弁理士】

【氏名又は名称】阿部 達彦

(72)【発明者】

【氏名】デイヴィッド・アラン・ホワイト

【審査官】上田 威

(56)【参考文献】

【文献】特開２０１９－２１２０６３（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１０／０１６９３１３（ＵＳ，Ａ１）

【文献】川前 徳章，ユーザの嗜好の時系列性と先行性に着目した協調フィルタリング，電子情報通信学会論文誌 ，日本，社団法人電子情報通信学会，2009年06月01日，第J92-D巻第6号，P.767-776

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｑ １０／００ ー ９９／００

(57)【特許請求の範囲】

【請求項1】

1つまたは複数のデータ処理装置によって実行されるデータセットのロバストネスを改善する方法であって、
ユーザのユーザデバイスにおける表示のためのデジタルコンポーネントに対する要求を前記ユーザデバイスから受信するステップと、
前記ユーザによって提供された情報または前記デジタルコンポーネントに対する前記要求内に含まれた情報のうちの1つまたは複数に基づいて、前記ユーザの1つまたは複数の属性を決定するステップと、
前記ユーザの前記1つまたは複数の属性に対応する行動モデルを識別するステップと、
前記ユーザの前記1つまたは複数の属性に対応する、前記識別された行動モデルに基づいて、所与のデジタルコンポーネントによって示されたアイテムの提示を動的に改変するステップと、
前記アイテムに関する情報を含むデータベース内のユーザ母集団に含まれる特定のユーザ層のセグメントに対応する特定の属性を前記ユーザが有すると決定するステップであって、前記特定のユーザ層のセグメントからのデータは不十分であると識別されている、ステップと、
前記特定のユーザ層のセグメントに対応する前記特定の属性を前記ユーザが有するとの決定に応答して、
前記要求に応答して、前記アイテムの前記動的に改変された提示を含み、前記アイテムに関して前記ユーザからのフィードバックを要請し、前記ユーザが前記アイテムに関するフィードバックをサブミットすることを可能にするフィードバック機構を含む改変されたデジタルコンポーネントを生成するステップと、
前記アイテムに関して前記ユーザから取得された前記フィードバックを含めるために前記データベースを更新するステップと、
前記ユーザから取得された前記フィードバックに少なくとも部分的に基づいて、前記ユーザの前記1つまたは複数の属性を有する他のユーザに配信されるとき、前記アイテムの前記提示を修正するステップと
を含む、方法。

【請求項2】

前記特定のユーザ層のセグメントに対応する前記特定の属性を有する前記ユーザからの前記フィードバックの受信に応答して、前記ユーザの前記1つまたは複数の属性で前記フィードバックを標示するステップと、
前記標示されたフィードバックを、標示された検索可能なデータベース内に記憶するステップと
をさらに含む、請求項1に記載の方法。

【請求項3】

前記特定のユーザ層のセグメントに対応する特定の属性を前記ユーザが有すると前記決定するステップが、前記特定のユーザ層のセグメントを識別するために統計的分析を使用するステップを含む、請求項1または2に記載の方法。

【請求項4】

前記ユーザから取得された前記フィードバックに少なくとも部分的に基づいて、前記ユーザの前記1つまたは複数の属性を有する他のユーザに配信されるとき、前記アイテムの前記提示を前記修正するステップが、前記改変されたデジタルコンポーネントによって含まれた特定のフィードバック機構を選択するステップを含む、請求項1から3のいずれか一項に記載の方法。

【請求項5】

前記ユーザの前記1つまたは複数の属性に対応する、前記識別された行動モデルに基づいて、前記所与のデジタルコンポーネントによって示されたアイテムの提示を前記動的に改変するステップが、前記アイテムに関して前記ユーザから要請されることになる前記フィードバックを識別するために、機械学習技術または人工知能技術を使用するステップを含む、請求項1から4のいずれか一項に記載の方法。

【請求項6】

前記ユーザの1つまたは複数の属性を前記決定するステップが、前記ユーザによって提供された情報に基づき、
前記ユーザの前記1つまたは複数の属性に対応する、前記識別された行動モデルに基づいて、前記所与のデジタルコンポーネントによって示されたアイテムの提示を前記動的に改変するステップが、前記ユーザによって提供された前記情報に基づいて、前記識別された行動モデルを更新するステップを含む
請求項1から5のいずれか一項に記載の方法。

【請求項7】

前記ユーザの1つまたは複数の属性を前記決定するステップが、前記デジタルコンポーネントに対する前記要求内に含まれた情報に基づき、
前記ユーザの前記1つまたは複数の属性に対応する、前記識別された行動モデルに基づいて、前記所与のデジタルコンポーネントによって示されたアイテムの提示を前記動的に改変するステップが、前記デジタルコンポーネントに対する前記要求内に含まれた前記情報に基づいて、前記識別された行動モデルを更新するステップを含む
請求項1から6のいずれか一項に記載の方法。

【請求項8】

前記アイテムに関する前記ユーザからの前記フィードバックを要請する前記改変されたデジタルコンポーネントに関して、前記フィードバックが要請されるフォーマットを選択するステップと、
前記特定のユーザ層のセグメントに対応する前記特定の属性に基づいて、前記改変されたデジタルコンポーネントによって要請された前記情報を検証するステップと
をさらに含む、請求項1から7のいずれか一項に記載の方法。

【請求項9】

前記改変されたデジタルコンポーネントが、スーツ、およびフットウェアに対する2つの異なる製品デザイン形状を表示し、前記アイテムに関して前記ユーザから取得された前記フィードバックが、前記ユーザが前記スーツにより似合うと考えるフットウェアに対する前記2つの異なる製品デザイン形状のうちの1つの選択を含む、請求項1から8のいずれか一項に記載の方法。

【請求項10】

前記改変されたデジタルコンポーネントが、自動車に関する2つの異なる製品デザイン形状を表示し、
前記改変されたデジタルコンポーネントが、特定の主観的製品デザイン形状記述子を指定し、
前記フィードバック機構がスライダーであり、
前記アイテムに関して前記ユーザから取得された前記フィードバックが、前記ユーザが前記特定の主観的製品デザイン形状記述子によってより良く記述され得ると考える、自動車に関する前記2つの異なる製品デザイン形状のうちの1つの選択を含む
請求項1から9のいずれか一項に記載の方法。

【請求項11】

前記改変されたデジタルコンポーネントが、3つ以上の異なるアイテムタイプに対する3つ以上の異なる製品デザイン形状を表示し、
前記アイテムに関して前記ユーザから取得された前記フィードバックが、視覚的に調和がとれていると前記ユーザが考える2つ以上の異なる製品デザイン形状の選択を含み、
前記方法が、前記ユーザから取得された前記フィードバックを別個のモデル内で使用するステップをさらに含む、請求項1から10のいずれか一項に記載の方法。

【請求項12】

前記改変されたデジタルコンポーネントが、新しい製品デザインを作成することを前記ユーザに要求し、
前記フィードバック機構が、新しい製品デザインを示すユーザ入力を受信し、
前記方法が、前記新しい製品デザインを有する製品を前記ユーザに提供するステップをさらに含む、請求項1から11のいずれか一項に記載の方法。

【請求項13】

前記改変されたデジタルコンポーネントが、カスタマイズされた製品デザインを製作するために既存の製品デザインを修正することを前記ユーザに要求し、
前記フィードバック機構が、前記既存の製品デザインの1つまたは複数の側面を修正するユーザ入力を受信し、
前記方法が、前記カスタマイズされた製品デザインを有する製品を前記ユーザに提供するステップをさらに含む、請求項1から12のいずれか一項に記載の方法。

【請求項14】

前記改変されたデジタルコンポーネントが、2つの異なるソフトウェア属性を表示し、
前記アイテムに関して前記ユーザから取得された前記フィードバックが、前記ユーザが選好する前記2つの異なるソフトウェア属性のうちの1つの選択を含み、
前記方法が、前記ユーザが選好する前記2つの異なるソフトウェア属性のうちの前記選択された1つを有するソフトウェアパッケージを前記ユーザに提供するステップを含む、請求項1から13のいずれか一項に記載の方法。

【請求項15】

システムであって、
1つまたは複数のプロセッサと、
実行されたとき、前記1つまたは複数のプロセッサに動作を実行させる命令を含む、1つまたは複数のメモリ要素と
を備え、前記動作が、
ユーザのユーザデバイスにおける表示のためのデジタルコンポーネントに対する要求を前記ユーザデバイスから受信することと、
ユーザによって提供された情報または前記デジタルコンポーネントに対する前記要求内に含まれた情報のうちの1つまたは複数に基づいて、前記ユーザの1つまたは複数の属性を決定することと、
前記ユーザの前記1つまたは複数の属性に対応する行動モデルを識別することと、
前記ユーザの前記1つまたは複数の属性に対応する、前記識別された行動モデルに基づいて、所与のデジタルコンポーネントによって示されたアイテムの提示を動的に改変することと、
前記ユーザが前記アイテムに関する情報を含むデータベース内のユーザ母集団に含まれる特定のユーザ層のセグメントに対応する特定の属性を有すると決定することであって、前記特定のユーザ層のセグメントからのデータは不十分であると識別されている、決定することと、
前記ユーザが前記特定のユーザ層のセグメントに対応する前記特定の属性を有するとの決定に応答して、
前記要求に応答して、前記アイテムの前記動的に改変された提示を含み、前記アイテムに関して前記ユーザからのフィードバックを要請し、前記ユーザが前記アイテムに関する前記フィードバックをサブミットすることを可能にするフィードバック機構を含む改変されたデジタルコンポーネントを生成することと、
前記アイテムに関して前記ユーザから取得された前記フィードバックを含めるために前記データベースを更新することと、
前記ユーザから取得された前記フィードバックに少なくとも部分的に基づいて、前記ユーザの前記1つまたは複数の属性を有する他のユーザに配信されるとき、前記アイテムの前記提示を修正することと
を含む、システム。

【請求項16】

前記動作が、
前記ユーザ母集団の前記特定のユーザ層のセグメントに対応する前記特定の属性を有する前記ユーザからの前記フィードバックの受信に応答して、前記ユーザの前記1つまたは複数の属性で前記フィードバックを標示することと、
前記標示された前記フィードバックを、標示された検索可能なデータベース内に記憶することと
をさらに含む、請求項15に記載のシステム。

【請求項17】

前記特定のユーザ層のセグメントに対応する特定の属性を前記ユーザが有すると前記決定することが、前記特定のユーザ層のセグメントを識別するために統計的分析を使用することを含む、請求項15または16に記載のシステム。

【請求項18】

前記ユーザから取得された前記フィードバックに少なくとも部分的に基づいて、前記ユーザの前記1つまたは複数の属性を有する他のユーザに配信されるとき、前記アイテムの前記提示を前記修正することが、前記改変されたデジタルコンポーネントによって含まれた特定のフィードバック機構を選択することを含む、請求項15から17のいずれか一項に記載のシステム。

【請求項19】

前記ユーザの前記1つまたは複数の属性に対応する、前記識別された行動モデルに基づいて、前記所与のデジタルコンポーネントによって示されたアイテムの提示を前記動的に改変することが、前記アイテムに関して前記ユーザから要請されることになる前記フィードバックを識別するために、機械学習技術または人工知能技術を使用することを含む、請求項15から18のいずれか一項に記載のシステム。

【請求項20】

分散コンピューティングシステムによって実行されたとき、前記分散コンピューティングシステムに動作を実行させる、符号化された命令を記憶したコンピュータ記憶媒体であって、前記動作が、
ユーザデバイスにおける表示のためのデジタルコンポーネントに対する要求を前記ユーザデバイスから受信することと、
ユーザによって提供された情報または前記デジタルコンポーネントに対する前記要求内に含まれた情報のうちの1つまたは複数に基づいて、前記ユーザの1つまたは複数の属性を決定することと、
前記ユーザの前記1つまたは複数の属性に対応する行動モデルを識別することと、
前記ユーザの前記1つまたは複数の属性に対応する、前記識別された行動モデルに基づいて、所与のデジタルコンポーネントによって示されたアイテムの提示を動的に改変することと、
前記アイテムに関する情報を含むデータベース内のユーザ母集団に含まれる特定のユーザ層のセグメントに対応する特定の属性を前記ユーザが有すると決定することであって、前記特定のユーザ層のセグメントからのデータは不十分であると識別されている、決定することと、
前記特定のユーザ層のセグメントに対応する前記特定の属性を前記ユーザが有するとの決定に応答して、
前記要求に応答して、前記アイテムの前記動的に改変された提示を含み、前記アイテムに関して前記ユーザからのフィードバックを要請し、前記ユーザが前記アイテムに関する前記フィードバックをサブミットすることを可能にするフィードバック機構を含む改変されたデジタルコンポーネントを生成することと、
前記アイテムに関して前記ユーザから取得された前記フィードバックを含めるために前記データベースを更新することと、
前記ユーザから取得された前記フィードバックに少なくとも部分的に基づいて、前記ユーザの前記1つまたは複数の属性を有する他のユーザに配信されるとき、前記アイテムの前記提示を修正することと
を含む、コンピュータ記憶媒体。

【請求項21】

分散コンピューティングシステムによって実行されたとき、請求項2から14のうちのか一項に記載の方法を前記分散コンピューティングシステムに実行させる、符号化された命令を備えた、コンピュータ記憶媒体。

【発明の詳細な説明】

【技術分野】

【0001】

関連出願の相互参照
本出願は、その内容が本明細書に組み込まれている、2020年7月30日に出願した米国出願第16/942,937号、および2020年4月15日に出願した米国仮出願第63/010,399号の利益を主張するものである。

【0002】

本明細書は、不均等に配信されたまたは非代表的な(unrepresentative)母集団からのデータポイントを使用することによってもたらされるバイアスを継続的に低減し、デザイン空間を探索するデータ収集およびモデル生成プロセスを提供することに関する。

【発明の概要】

【課題を解決するための手段】

【0003】

概して、本明細書で説明する主題の1つの発明的態様は、1つまたは複数のデータ処理装置によって実行されるデータセットのロバストネスを改善するための方法で実施され得、この方法は、ユーザデバイスにおける提示のためのデジタルコンポーネントに対する要求をユーザデバイスから受信するステップと、ユーザによって提供された情報またはデジタルコンポーネントに対する要求内に含まれた情報のうちの1つまたは複数に基づいて、ユーザの1つまたは複数の属性を決定するステップと、ユーザの1つまたは複数の属性に対応する行動モデルを識別するステップと、ユーザの1つまたは複数の属性に対応する、識別された行動モデルに基づいて、デジタルコンポーネントによって示されたアイテムの提示を動的に改変するステップと、ユーザがユーザ母集団の十分に表されていないセグメントに対応する特定の属性を有するとの決定に応答して、ユーザがそのアイテムに関する情報を含むデータベース内のユーザ母集団の十分に表されていない(underrepresented)セグメントに対応する特定の属性を有すると決定するステップと、要求に応答して、そのアイテムの動的に改変された提示を含み、そのアイテムに関してユーザからのフィードバックを要請し、ユーザがそのアイテムに関するフィードバックを提出することを可能にするフィードバック機構を含むデジタルコンポーネントを生成するステップと、そのアイテムに関してユーザから取得されたフィードバックを含めるためにデータベースを更新するステップと、ユーザから取得されたフィードバックに少なくとも部分的に基づいて、ユーザの1つまたは複数の属性を有する他のユーザに配信されるとき、そのアイテムの提示を修正するステップとを含む。

【0004】

これらおよび他の実施形態は、各々、以下の特徴のうちの1つまたは複数を随意に含み得る。

【0005】

いくつかの実装形態では、この方法は、ユーザ母集団の十分に表されていないセグメントに対応する特定の属性を有するユーザからのフィードバックの受信に応答して、ユーザの1つまたは複数の属性でフィードバック情報を標示するステップと、標示されたフィードバック情報を、標示された検索可能なデータベース内に記憶するステップとを含む。

【0006】

いくつかの実装形態では、ユーザがデータベース内のユーザ母集団の十分に表されていないセグメントに対応する特定の属性を有すると決定するステップは、ユーザ母集団の十分に表されていないセグメントを識別するために統計的分析を使用するステップを含む。

【0007】

いくつかの実装形態では、ユーザから取得されたフィードバックに少なくとも部分的に基づいて、ユーザの1つまたは複数の属性を有する他のユーザに配信されるとき、そのアイテムの提示を修正するステップは、デジタルコンポーネントによって含まれた特定のフィードバック機構を選択するステップを含む。

【0008】

いくつかの実装形態では、ユーザの1つまたは複数の属性に対応する、識別された行動モデルに基づいて、デジタルコンポーネントによって示されたアイテムの提示を動的に改変するステップは、そのアイテムに関してユーザから要請されることになるフィードバックを識別するために、機械学習技術または人工知能技術を使用するステップを含む。

【0009】

いくつかの実装形態では、ユーザの1つまたは複数の属性を決定するステップは、ユーザによって提供された情報に基づき、ユーザの1つまたは複数の属性に対応する、識別された行動モデルに基づいて、デジタルコンポーネントによって示されたアイテムの提示を動的に改変するステップは、ユーザによって提供された情報に基づいて、識別された行動モデルを更新するステップを含む。

【0010】

いくつかの実装形態では、ユーザの1つまたは複数の属性を決定するステップは、デジタルコンポーネントに対する要求内に含まれた情報に基づき、ユーザの1つまたは複数の属性に対応する、識別された行動モデルに基づいて、デジタルコンポーネントによって示されたアイテムの提示を動的に改変するステップは、デジタルコンポーネントに対する要求内に含まれた情報に基づいて、識別された行動モデルを更新するステップを含む。

【0011】

いくつかの実装形態では、この方法は、そのアイテムに関するユーザからのフィードバックを要請するデジタルコンポーネントに関して、フィードバックが要請されるフォーマットを選択するステップと、ユーザ母集団の十分に表されていないセグメントに対応する特定の属性に基づいて、デジタルコンポーネントによって要請された情報を検証するステップとを含む。

【0012】

いくつかの実装形態では、デジタルコンポーネントは、スーツ、およびフットウェアに対する2つの異なる製品デザイン形状を表示し、そのアイテムに関してユーザから取得されたフィードバックは、ユーザがそのスーツにより似合うと考えるフットウェアに対する2つの異なる製品デザイン形状のうちの1つの選択を含む。

【0013】

いくつかの実装形態では、デジタルコンポーネントは、自動車に対する2つの異なる製品デザイン形状を表示し、デジタルコンポーネントは、特定の主観的製品デザイン形状記述子(subjective product design shape descriptor)を指定し、フィードバック機構はスライダーであり、そのアイテムに関してユーザから取得されたフィードバックは、ユーザが特定の主観的製品デザイン形状記述子によってより良く記述され得ると考える、自動車に対する2つの異なる製品デザイン形状のうちの1つの選択を含む。

【0014】

いくつかの実装形態では、デジタルコンポーネントは、3つ以上の異なるアイテムタイプに対する3つ以上の異なる製品デザイン形状を表示し、そのアイテムに関してユーザから取得されたフィードバックは、視覚的に調和がとれているとユーザが考える2つ以上の異なる製品デザイン形の選択を含み、この方法はまた、ユーザから取得されたフィードバックを別個のモデル内で使用するステップを含む。

【0015】

いくつかの実装形態では、デジタルコンポーネントは、新しい製品デザインを作成することをユーザに要求し、フィードバック機構は、新しい製品デザインを示すユーザ入力を受信し、この方法はまた、新しい製品デザインを有する製品をユーザに提供するステップも含む。

【0016】

いくつかの実装形態では、デジタルコンポーネントは、カスタマイズされた製品デザインを製作するために既存の製品デザインを修正することをユーザに要求し、フィードバック機構は、既存の製品デザインの1つまたは複数の側面を修正するユーザ入力を受信し、この方法はまた、カスタマイズされた製品デザインを有する製品をユーザに提供するステップも含む。

【0017】

いくつかの実装形態では、デジタルコンポーネントは、2つの異なるソフトウェア属性を表示し、そのアイテムに関してユーザから取得されたフィードバックは、ユーザが選好する2つの異なるソフトウェア属性のうちの1つの選択を含み、この方法はまた、ユーザが選好する2つの異なるソフトウェア属性のうちの選択された1つを有するソフトウェアパッケージをユーザに提供するステップを含む。

【0018】

この態様の他の実施形態は、対応するシステム、装置、およびコンピュータ記憶デバイス上に符号化された、方法のアクションを実行するように構成されたコンピュータプログラムを含む。

【0019】

本明細書で説明する主題の特定の実施形態は、以下の利点のうちの1つまたは複数を実現するように実装され得る。一定の環境において、母集団を代表しないまたは特定のセグメント内のデータに欠けていると決定されるデータセット内のバイアスを自動的かつ系統的に低減する方法はこれまで存在せず、その欠点が、本明細書で論じる技法、デバイス、およびシステムによって対処される。

【0020】

この新しいシステムのいくつかの実装形態では、それに関してデータが収集される母集団の十分に表されていないセグメントが識別され、これらのセグメント内のユーザに配信するためのタスクが生成される。これらのタスクは、特定の話題またはエリアに関する応答が既存のデータセットを補足するように、それらの応答をユーザから要請する。たとえば、システムは、特定の年齢範囲内のユーザからの2つの製品間の好ましい選択肢に関して、しきい値量に満たない応答が存在すると決定し、次いで、これらの2つの製品間で選定することをユーザに要求するためにこの年齢範囲内のユーザに配信するためのタスクを生成し得る。既存のデータセットに加えて、これらの応答がシステムによって受信され処理され、それにより、データ品質を改善する。システムは、データセットを継続的に監視し、データセットが更新されたときですら、データ品質を自動的に維持する解決策を提供する。

【0021】

この新しいシステムは、データ品質を自動的に改善し、より多くのデータが収集されるにつれてデータ品質を維持するための何の解決策も存在しなかった場合にモデルの結果を改善するために多くの異なる状況にわたって使用され得る、標示付けされた検索可能なデータの包括的なセットをクリーニングし、処理し、維持する複素データ処理インフラストラクチャに対するアクセスを有する。モデルが未完成または非代表的であるデータセットを使用している場合、そのモデルは、母集団の実際の行動を表していない結果を生み出し得る。新しいシステムは、そこからモデルが描くデータセットを自動的に補足し、データのロバストネスおよびモデルの結果の精度を改善する。それに関して十分でないまたは非代表的な量のデータが存在する母集団セグメントを自動的に識別することによって、システムは、様々なモデル内に入力として使用されるデータセット内のバイアスを低減する。これらのよりロバストなデータセットは、データに依存するモデルの結果の信頼性および精度を改善する。改善されたデータセットは、システムが維持する、標示された検索可能なデータセットに対するインフラストラクチャまたはアクセスを有さないことがあるコンテンツプロバイダまたは製品製造業者を含めて、異なる当事者によって標示され使用され得る。

【0022】

データセットを改善することに加えて、システムは、デザイン空間を自動的に探索することが可能である。デザイン空間は、デザインの値または属性の概念的な表現であり、連続形状と呼ばれることがある。デザイン空間は、特定の製品またはサービスに関連付けられてよく、多次元的であり、重要なパラメータの考えられるデザイン値を表し得る。いくつかの実装形態では、デザイン空間は、デザインパラメータを意味論的値にマッピングするように拡張され得る。たとえば、システムは、製品の意味論的属性および幾何学的特徴のマッピングを使用してモデルを作成し得、これらのモデルは、考えられる属性値のユニバース(universe)を表す単一の継続的形状空間内に存在する。デザインは、1つまたは複数の知覚特徴に基づき得る。たとえば、デザインは、視覚的、聴覚的、触覚的、香りベース、または味ベースであってよい。たとえば、車の座席用のデザインは、視覚的特徴および触覚的特徴を含み得る。

【0023】

この新しいシステムは、わずかなデータが存在するまたはデータが存在しないデザイン空間のセグメントを識別し、識別されたセグメントに対してユーザに配信されることになるタスクを生成することによって、デザイン空間を自動的に探索することができる。これらのセグメントに関するデータを収集することによって、システムは前に探索されていないデザインが考慮に入れられることを可能にする。たとえば、システムは、フィードバックのためにユーザに提示されていないパラメータ値を有するデザインを自動的に生成し得る。受信されたフィードバックに基づいて、システムは、既存のデザインを継続的に更新し、プロトタイピング、製造、および配布の段階に先立って、ユーザフィードバックが要請される新しいデザインを生成し得る。このフィードバックは、たとえば、ユーザ選好の予測を出力するモデルに対する入力として提供され得る。システムは、データ分析および行動モデルの出力に基づいて、製品デザインを誘導し、コンテンツプロバイダ、製品デザイナー、および製造業者が消費者のターゲットセグメントによって高く評価される可能性が最も高いデザインに重点を置くことを可能にする方向性を決定し得る。言い換えれば、改善された更新プロセスは、製品デザインを確定するために必要なフィードバックサイクルの数を低減し、それにより、初期のデータ収集からデザインの確定まで、完全なデザインサイクルに対して必要とされる計算リソースを低減し得る。

【0024】

この方法を活用することは、様々な購買層(demographics)にわたって消費者の要求および期待をより正確かつ忠実に満たす製品の迅速なデザイン開発を可能にする。さらに、改善された更新プロセスは、データ品質を改善し、行動モデルに入力するためのユーザデータを収集するために必要とされるフィードバックサイクルの数を低減することによって、デザインシステムにおける効率性を提供する。このシステムは、製品デザイナー、開発者、および製造業者がグローバルスケールで多様なフィードバックを直ちに受信し、大量のリソース消費を必要とする製造段階および出荷段階に先立って、購買層データに応じてユーザ選好を決定するための手段を提供する。この方法は、デザインおよび製造がユーザ個人またはユーザのセグメントに対して個人化されることを可能にし得る。たとえば、この手法は、より大きな市場の許容統計を測るために個人の選好を検討するために製造業者によって使用され得る。

【0025】

本明細書で説明する技法は、システムが、より少ないリソースを使用し、より少ない動作を実行して、特定の製品またはサービスに関連する高い品質データを生成することを可能にする。データセット内のバイアスを自動的に検出し低減することによって、システムは、データを使用するモデルが、より正確かつ信頼できる結果を提供することを可能にする。加えて、システムは、デザイン空間のターゲット探索およびデータ品質の継続的改善を可能にすることによって、新しい製品またはサービスのデザインを完成するために必要とされるリソース量を低減する。

【0026】

本明細書で説明する主題の1つまたは複数の実施形態の詳細は、添付の図面および以下の説明に記載される。主題の他の特徴、態様、および利点は、説明、図面、および特許請求の範囲から明らかとなろう。

【図面の簡単な説明】

【0027】

【図1】データ品質改善およびデザイン空間探索のための例示的な環境のブロック図である。

【図2A】データ品質改善プロセスの例示的なデータフローである。

【図2B】モデルトレーニングプロセスを示す図である。

【図2C】モデルトレーニングプロセスを示す図である。

【図3】データ品質改善プロセスの例示的なデータフローである。

【図4】デザイン空間探索プロセスの例示的なデータフローである。

【図5A】システムが行動モデルを使用してユーザに対するタスクを生成する特定の例のデータフローである。

【図5B】システムが行動モデルを使用してユーザに対するタスクを生成する特定の例のデータフローである。

【図6A】システムがユーザフィードバックをデザインサイクルに組み込む特定の例のデータフローである。

【図6B】システムがユーザフィードバックをデザインサイクルに組み込む特定の例のデータフローである。

【図7A】システムがユーザフィードバックを実装して、既存のデザインおよび製品をカスタマイズする特定の例のデータフローである。

【図7B】システムがユーザフィードバックを実装して、既存のデザインおよび製品をカスタマイズする特定の例のデータフローである。

【図7C】システムがユーザフィードバックをデザインサイクル内に実装する特定の例である。

【図7D】システムがユーザフィードバックをデザインサイクル内に実装する特定の例である。

【図7E】システムがユーザフィードバックをデザインサイクル内に実装する特定の例である。

【図7F】システムがユーザフィードバックをデザインサイクル内に実装する特定の例である。

【図8】データ品質改善のための例示的なプロセスのフローチャートである。

【図9】自動デザイン空間探索のための例示的なプロセスのフローチャートである。

【図10】例示的コンピューティングシステムのブロック図である。

【発明を実施するための形態】

【0028】

様々な図面における同じ参照番号および名称は、同じ要素を示す。

【0029】

本明細書は、データ品質を改善し、固有のバイアスを低減し、自動的な知的デザイン空間探索を可能にするための方法、システム、およびデバイスについて説明する。モデルは、モデルに提供される入力データと同じくらい正確な代表的母集団にすぎない。提案されるシステムは、モデル形成および製品開発のために様々なシステムに提供され得るデータの品質を改善する。ユーザフィードバックデータおよび行動データは、様々な方法で収集され得る。

【0030】

いくつかの実装形態では、システムは、ユーザに配信されるタスクを生成する。各タスクは、質問、タスク、またはユーザからの他の形態の入力の要請であってよい。ユーザの入力は、異なる文脈で使用され得る包括的なデータベースの部分として標示され使用され得る。たとえば、ユーザが複数のロゴデザインの中から最も魅力的に見える単一のロゴデザインを選択しなければならない、完了すべきタスクをユーザに提示することができる。ユーザの選択は、次いで、ユーザ層情報とともに標示され、標示された検索可能なデータベースの部分として記憶され得る。システムは、標示されたデータのセットを分析することに基づいて、特定のユーザ層からのデータまたは特定の製品セグメントに関るデータが欠けている、不十分である、または既知の母集団を代表しないと決定し、より多くのデータを収集し、非代表的なデータセット内の固有のバイアスを低減するために、タスクまたは質問を自動的に生成する。標示されたデータの補足セットが入力として様々なモデルに提供され得る。たとえば、データの標示されたセットは、特定のデザインがユーザの特定のセグメントにとって魅力的であるかどうかを予測するために行動モデルに提供され得る。たとえば、特定のデザインのユーザの反応および受け止めを予測するために、様々なモデルが使用され得る。

【0031】

システムはまた、特定のデザイン空間の自動的かつ知的な探索も可能にする。たとえば、システムは、標示されたデータのセットを分析することに基づいて、デザイン空間の特定のエリアに関るデータが欠けている、不十分である、既知の母集団を代表しないと決定し、より多くのデータを収集するためにタスクまたは質問を自動的に生成し得る。システムは、人工知能モデルおよび機械学習モデルを使用してデザイン空間の探索されていないエリアに基づいて製品デザインを生成することによって、デザイン空間を探索し得る。これらの人工的に生成されたデザインは、次いで、フィードバックを要請するタスクとともにユーザに提示され得る。

【0032】

図1は、データ品質改善およびデザイン空間探索のための例示的な環境100のブロック図である。例示的な環境100は、ローカルエリアネットワーク(LAN)、ワイドエリアネットワーク(WAN)、インターネット、またはそれらの組合せなどの、ネットワーク102を含む。ネットワーク102は、電子ドキュメントサーバ104(「Electronic Doc Servers」)、ユーザデバイス106、およびデジタルコンポーネント配信システム110(DCDS110とも呼ばれる)を接続する。例示的な環境100は、多くの異なる電子ドキュメントサーバ104およびユーザデバイス106を含み得る。

【0033】

ユーザデバイス106は、ネットワーク102を介してリソース(たとえば、電子ドキュメント)を要求および受信することが可能な電子デバイスである。例示的なユーザデバイス106は、パーソナルコンピュータ、モバイル通信デバイス、およびネットワーク102を介してデータを送信および受信することができる他のデバイスを含み得る。ユーザデバイス106は、典型的には、ネットワーク102を介したデータの送信および受信を容易にするために、ウェブブラウザなどのユーザアプリケーションを含むが、ユーザデバイス106によって実行されるネイティブアプリケーションもネットワーク102を介したデータの送信および受信を容易にすることもできる。

【0034】

1人または複数の第三者140は、コンテンツプロバイダ、製品デザイナー、製品製造業者、および製品またはサービスのデザイン、開発、製造、マーケティング、または配布に関与する他の当事者を含む。

【0035】

電子ドキュメントは、ユーザデバイス106においてコンテンツのセットを提示するデータである。電子ドキュメントの例には、ウェブページ、ワードプロセシングドキュメント、ポータブルドキュメントフォーマット(PDF)ドキュメント、画像、ビデオ、検索結果ページ、およびフィードソースがある。モバイルコンピューティングデバイス、タブレットコンピューティングデバイス、またはデスクトップコンピューティングデバイス上にインストールされたアプリケーションなどのネイティブアプリケーション(たとえば、「アプリ」)も、電子ドキュメントの例である。電子ドキュメント105(「Electronic Docs」)は、電子ドキュメントサーバ104によってユーザデバイス106に提供することができる。たとえば、電子ドキュメントサーバ104は、発行者ウェブサイトをホストするサーバを含み得る。この例では、ユーザデバイス106は、所与の発行者ウェブページを求める要求を開始することができ、所与の発行者ウェブページをホストする電子ドキュメントサーバ104は、ユーザデバイス106において所与のウェブページの提示を開始する機械ハイパーテキストマークアップ言語(HTML)コードを送信することによって、要求に応答し得る。

【0036】

電子ドキュメントは、様々なコンテンツを含み得る。たとえば、電子ドキュメント105は、電子ドキュメント自体の中にあり、および/または時間とともに変化しない静的コンテンツ(たとえば、テキストまたは他の指定されたコンテンツ)を含み得る。また、電子ドキュメントは、時間とともに、または要求ごとに変化する可能性がある動的コンテンツを含むこともできる。たとえば、所与の電子ドキュメントの発行者は、電子ドキュメントの部分をポピュレートするために使用されるデータソースを維持することができる。この例では、所与の電子ドキュメントは、所与の電子ドキュメントがユーザデバイス106によって処理される(たとえば、レンダリングまたは実行される)ときにデータソースからのコンテンツを要求することをユーザデバイス106に行わせるタグまたはスクリプトを含み得る。ユーザデバイス106は、データソースから取得されたコンテンツを含む複合電子ドキュメントを作成するために、データソースから取得されたコンテンツを所与の電子ドキュメントに組み込む。

【0037】

いくつかの状況では、所与の電子ドキュメントは、DCDS110を参照するデジタルコンテンツタグまたはデジタルコンテンツスクリプトを含み得る。これらの状況では、デジタルコンテンツタグまたはデジタルコンテンツスクリプトは、所与の電子ドキュメントがユーザデバイス106によって処理されると、ユーザデバイス106によって実行される。デジタルコンテンツタグまたはデジタルコンテンツスクリプトの実行は、ネットワーク102を介してDCDS110に送信される、デジタルコンテンツを求める要求108を生成するようにユーザデバイス106を構成する。たとえば、デジタルコンテンツタグまたはデジタルコンテンツスクリプトは、ユーザデバイス106がヘッダとペイロードデータとを含むパケット化されたデータ要求を生成することを可能にすることができる。要求108は、デジタルコンテンツが要求されているサーバの名前(またはネットワークロケーション)、要求側デバイス(たとえば、ユーザデバイス106)の名前(またはネットワークロケーション)、および/またはDCDS110が、要求に応答して提供されるデジタルコンテンツを選択するために使用し得る情報などのデータを含み得る。要求108は、ユーザデバイス106によって、ネットワーク102(たとえば、電気通信ネットワーク)を介してDCDS110のサーバに送信される。

【0038】

要求108は、電子ドキュメントおよびデジタルコンテンツが提示され得るロケーションの特徴を指定するデータを含み得る。たとえば、デジタルコンテンツが提示される電子ドキュメント(たとえば、ウェブページ)への参照(たとえば、URL)を指定するデータ、デジタルコンテンツを提示するために利用可能な電子ドキュメントの利用可能なロケーション(たとえば、デジタルコンテンツスロット)、利用可能なロケーションのサイズ、電子ドキュメントの提示内で利用可能なロケーションの位置、および/またはロケーションでの提示に適格なメディアタイプを、DCDS110に提供することができる。同様に、電子ドキュメント(「ドキュメントキーワード」)または電子ドキュメントによって参照されるエンティティ(たとえば、人、場所、もしくは物)の選択のために指定されるキーワードを指定するデータも、要求108(たとえば、ペイロードデータとして)に含まれ得、電子ドキュメントとともに提示するのに適格なデジタルコンテンツアイテムの識別を容易にするためにDCDS110に提供され得る。

【0039】

要求108はまた、ユーザが提供した情報、要求がサブミットされた状態または領域を示す地理的情報、またはデジタルコンテンツが表示される環境のコンテキストを提供する他の情報(たとえば、モバイルデバイスまたはタブレットデバイスなど、デジタルコンテンツが表示されるデバイスのタイプ)など、他の情報に関連するデータを含むこともできる。ユーザ提供情報は、ユーザデバイス106のユーザに関する購買層データを含み得る。たとえば、購買層情報は、特性の中でも、年齢、性別、地理的ロケーション、教育レベル、結婚歴、世帯収入、職業、趣味、ソーシャルメディアデータ、およびユーザが特定のアイテムを所有しているかどうかを含み得る。

【0040】

ここで論じられるシステムがユーザについての個人情報を収集する、または個人情報を利用し得る状況において、ユーザは、プログラムまたは機能が個人情報(たとえば、ユーザのソーシャルネットワーク、社会的な行動もしくは活動、職業、ユーザの選好、またはユーザの現在のロケーションについての情報)を収集するかどうかを制御するための、または、ユーザにより関連があり得るコンテンツサーバからコンテンツを受信するかどうか、および/もしくはどのように受信するかを制御するための、機会を与えられ得る。加えて、いくつかのデータは、個人を識別できる情報が削除されるように、記憶または使用される前に1つまたは複数の方法で匿名化され得る。たとえば、ユーザの識別情報は、個人を識別できる情報がユーザについて決定できないように匿名化されてもよく、またはユーザの地理的ロケーションは、ユーザの具体的なロケーションを決定できないように、ロケーション情報が取得される場合に(都市、ZIPコード、もしくは州のレベルなどに)一般化されてもよい。したがって、ユーザは、情報がどのようにユーザについて収集されコンテンツサーバによって使用されるかを制御することができる。

【0041】

ユーザデバイス106のモデルを識別する情報、ユーザデバイス106の構成、または電子ドキュメントが提示される電子ディスプレイ(たとえば、タッチスクリーンまたはデスクトップモニタ)のサイズ(たとえば、物理的サイズまたは解像度)など、ユーザデバイス106の特性を指定するデータも要求108内で提供され得る。要求108は、たとえば、パケット化ネットワークを介して送信することができ、要求108自体は、ヘッダとペイロードデータとを有するパケット化データとしてフォーマットすることができる。ヘッダは、パケットの宛先を指定することができ、ペイロードデータは、上記で論じた情報のいずれかを含み得る。

【0042】

DCDS110は、要求108の受信に応答して、および/または要求108内に含まれる情報を使用して、所与の電子ドキュメントとともに提示されるデジタルコンテンツを選択する。いくつかの実装形態では、相互接続され、要求108に応答してデジタルコンテンツを識別し、配信する、たとえばサーバと複数のコンピューティングデバイスのセットとを含む分散コンピューティングシステム(または環境)においてDCDS110は実装される。数百万の利用可能なデジタルコンテンツのコーパスの中から電子ドキュメントにおいて提示されるのに適格なデジタルコンテンツのセットを識別するために複数のコンピューティングデバイスのセットは一緒に動作する。数百万の利用可能なデジタルコンテンツは、たとえば、デジタルコンポーネントデータベース112においてインデックス付けすることができる。各デジタルコンテンツインデックスエントリは、対応するデジタルコンテンツを参照することができ、および/または、対応するデジタルコンテンツの配信を調整する配信パラメータ(たとえば、選択基準)を含み得る。

【0043】

いくつかの実装形態では、デジタルコンポーネントデータベース112からのデジタルコンポーネントは、第三者140によって提供されるコンテンツを含み得る。たとえば、デジタルコンポーネントデータベース112は、公道をナビゲートするための機械学習および/または人工知能を使用する第三者140から、公共交差点の写真を受信することができる。別の例では、デジタルコンポーネントデータベース112は、自転車乗りにサービスを提供する第三者140から、第三者140がそれに対してユーザからの応答を望む特定の質問を受信することができる。

【0044】

適格なデジタルコンテンツの識別は、複数のタスクにセグメント化することができ、これらのタスクは、次いで、複数のコンピューティングデバイスのセット内のコンピューティングデバイスの間で割り当てられる。たとえば、多数のコンピューティングデバイスのセット内の異なるコンピューティングデバイスは各々、デジタルコンポーネントデータベース112の異なる部分を分析して要求108に含まれる情報に一致する配信パラメータを有する様々なデジタルコンテンツを識別することができる。

【0045】

DCDS110は、複数のコンピューティングデバイスのセットから受信された結果をアグリゲートし、アグリゲートされた結果に関連する情報を使用して、要求108に応答して提供されることになるデジタルコンテンツの1つまたは複数のインスタンスを選択する。次に、DCDS110は、デジタルコンテンツの選択されたセットをユーザデバイス106が所与の電子ドキュメントに組み込むことを可能にする返答データ114(たとえば、返答を表すデジタルデータ)を生成し、ネットワーク102を介して送信することができ、その結果として、デジタルコンテンツの選択されたセットおよび電子ドキュメントのコンテンツがユーザデバイス106のディスプレイにおいて一緒に提示される。DCDS110によって配信され、返答データ114によって表されるデジタルコンテンツは、たとえば、ユーザからの入力を要請するデジタルコンテンツを含み得る。この入力は、標示データベース130など、包括的なデータベースの部分として分析され、標示され、記憶され得る。分析され分類されている、標示されたデータを標示データベース130は記憶する。標示データベース130は、検索可能であり、ユーザ層情報、ユーザ応答データ、および他のユーザ特性を含めて、ユーザに関するデータを記憶することができる。たとえば、標示データベース130は、ユーザの匿名化された購買層情報を記憶し、それをユーザに前に提示された質問に対するユーザの応答に関連付けることができる。ユーザからの入力は、ユーザデバイス106からの応答データ116としてデータ品質プロセッサ120に送信される。

【0046】

データ品質プロセッサ120は、ユーザ入力を要請するそのようなデジタルコンテンツを生成し、ユーザ入力データを受信し、処理し、デザイン空間およびデザインを生成し、修正する。データ品質プロセッサ120は、タスクプロセッサ122、データプロセッサ124、およびモデル生成器126を含む。タスクプロセッサ122は、ユーザに配信されることになるタスクを生成する。データプロセッサ124は、タスクに応答して受信された入力を分析し、標示する。モデル生成器126は、標示されたデータおよび、当事者の中でも、コンテンツプロバイダ、製品デザイナー、および製造業者などの第三者からの入力に基づいて、デザイン空間およびデザインを生成し、修正する。説明を簡単にするために、タスクプロセッサ122、データプロセッサ124、およびモデル生成器126は、図1において、データ品質プロセッサ120の別個の構成要素として示されている。データ品質プロセッサ120は、非一時的であり得るコンピュータ可読媒体上の単一のシステムとして実装され得る。いくつかの実装形態では、タスクプロセッサ122、データプロセッサ124、およびモデル生成器126のうちの1つまたは複数は、単一のシステムの組み込まれた構成要素として実装され得る。

【0047】

タスクプロセッサ122は、ユーザからの入力またはタスクを要請するデジタルコンテンツを作成する。タスクプロセッサ122は、DCDS110、電子ドキュメントサーバ104、および第三者140と通信している。データ品質プロセッサ120は、タスクプロセッサ122によって直接発行されたタスクから、またはそのデータソースに対するアクセスをデータ品質プロセッサ120に提供する、第三者140などの第三者によって発行されたタスクから、データを収集することができる。タスクは、絵を描くことをユーザに要求するアクティビティからユーザのデータにアクセスする許可をシステムに与えるようにユーザに要求するシングルクリックアクティビティに対する回答を選択するようにユーザに単に要求する質問まで、必要とされる様々なレベルの対話を有するコンテンツを含み得る。いくつかの実装形態では、タスクは、ユーザの回答入力が要求される質問を含み得る。たとえば、ユーザに提示されるタスクは、「チョコレートアイスクリームかバニラアイスクリーム、どちらがお好みですか?」という質問を含んでよく、ユーザは自らの回答を入力すること、または事前選択された回答から選択することのいずれかが可能である。いくつかの実装形態では、タスクは、ユーザ側により多くの関与を要求するアクティビティを含み得る。たとえば、ユーザに提示されるタスクは、自転車を含む道路交差点の画像の1つまたは複数の部分を選択することを要求することができ、ユーザは適切な部分をクリックするか、または場合によっては示すことができる。いくつかの実装形態では、タスクは、CAPTCHAまたはreCAPTCHAなど、認証プロトコルチャレンジを含み得る。

【0048】

ユーザにサービスされるタスクを生成することに加えて、タスクプロセッサ122はタスクを修正し得る。たとえば、タスクプロセッサ122は、1人または複数のユーザに前にサービスされたタスクを修正し、そのタスクを修正して、異なるデータを収集すること、よりターゲットを絞った質問を尋ねること、または場合によってはタスクの指示を変更することができる。タスクプロセッサ122およびその出力については、以下でより詳細に説明する。

【0049】

データプロセッサ124は、データを受信して処理し、欠けている、不正確な、十分に表されていない、または非代表的なデータを識別し、データ品質改善解決策を自動的に決定する。データプロセッサ124は、特定のデータセットを分析し、デザインガイドラインおよび他の入力に基づいて、既存のデータが品質しきい値を満たすかどうかを決定する。データプロセッサ124は、ユーザデバイスから受信された応答データおよび既存の応答データを処理する。たとえば、データプロセッサ124は、年齢45から54の購買層の消費者から受信された応答と他の年齢層の消費者から受信された応答の比率を決定し、既存の比率をキャンプ用バックパックのターゲット市場に対して予想されるまたは実世界の比率と比較することによって、特定のキャンプ用バックパックデザインに関する、標示データベース130内に記憶された既存のユーザ応答データがこの年齢の消費者からの代表的な応答数を含むかどうかを決定し得る。データプロセッサ124は、デザイン空間内のデザイン値が探索されているかどうかまたはそれらの値に関して十分なデータが存在するかどうかを決定することもできる。たとえば、データプロセッサ124は、既存のユーザ応答数をしきい値ユーザ応答量と比較することによって、ラップトップ上の特定のサイズのトラックパッドが十分な数のユーザ応答を受信したかどうかを決定し得る。

【0050】

データプロセッサ124はまた、デジタルコンテンツ配信プロセスから収集されたデータを受信および抽出することもできる。たとえば、データ分析器124は、要求データ108および返答データ114を受信して、要求データ108および返答データ114の中に示されるクッキーによって表されるユーザの母集団および特性を決定することができる。データ分析器124は、購買層および他の特性データを標示データベース130などのデータベース内に記憶し得る。いくつかの実装形態では、データ分析器124は、他のシステムによって分析され標示されているデータを標示データベース130から取り出すことができる。データ分析器124は、たとえば、要求データ108を提供し返答データ114を受信したユーザの購買層データを示すデータを標示データベース130から取り出すことができる。データプロセッサ124は、たとえば、ユーザ層情報に基づいてデータをセグメント化し得る。データプロセッサ124およびその出力については、以下でより詳細に説明する。

【0051】

上記の説明に加えて、ユーザには、本明細書で説明するシステム、プログラム、または特徴がユーザ情報(たとえば、ユーザのソーシャルネットワーク、ソーシャルアクションもしくはアクティビティ、職業、ユーザの選好、またはユーザの現在のロケーションについての情報)の収集を可能にし得るかどうかおよびいつそれを可能にし得るかと、サーバからのコンテンツまたは通信がユーザに送信されるかどうかの両方に関しての選択をユーザが行うことを可能にする制御が与えられ得る。加えて、いくつかのデータは、個人を識別できる情報が削除されるように、記憶または使用される前に1つまたは複数の方法で扱われ得る。たとえば、ユーザの識別情報は、個人を識別できる情報がユーザについて決定できないように扱われ得る、またはユーザの地理的ロケーションは、ユーザの具体的なロケーションが決定できないように、ロケーション情報が取得される場合に(都市、ZIPコード、もしくは州のレベルなどに)一般化され得る。したがって、ユーザは、ユーザについてのどの情報が収集されるか、その情報がどのように使用されるか、およびどの情報がユーザに提供されるかを制御することができる。

【0052】

モデル生成器126は、デザイン空間およびモデルを生成し、修正し、維持する。モデル生成器126は、データプロセッサ124によって提供された、または標示データベース130から取り出されたデータに基づいて、デザイン空間および/またはモデルを生成することができる。たとえば、モデル生成器126は、データプロセッサ124によって提供されたデータに基づいて、特定のデザインに関するユーザ選好を予測する行動モデルを生成し得る。行動モデルは、購買層に応じて、主観係数(subjective factors)を継続的な意味論的形状にマッピングし、特定の制約内でデザインを最適化するために使用され得るデザイン空間を作成する。

【0053】

そのようなモデルの出力は、特定のデザインから特定のデザインに対して予測されるユーザ応答に及び得る。モデル生成器126およびその出力については、以下でさらに詳細に説明する。

【0054】

以下で説明する技法は、システムがデータ品質を継続的かつ自動的に改善し、デザイン空間を探索することを可能にする。

【0055】

図2Aは、図1の例示的な環境におけるデータ品質改善プロセスの例示的なデータフロー200を示す。データフロー200の動作は、システム100の様々な構成要素によって実行され得る。たとえば、データフロー200の動作は、DCDS110、ユーザデバイス106、第三者140、および標示データベース130と通信しているデータ品質プロセッサ120によって実行され得る。

【0056】

フローはステップAで開始し、ここで、データ品質プロセッサ120のデータプロセッサ124は、ユーザの母集団に関連するデータのセットを分析し、セグメント化する。いくつかの実装形態では、データのセットは、標示データベース130から取り出された既存のデータである。たとえば、データのセットは、自転車など、車両のタイプの一部分を示すすべての矩形を、写真のグリッドから選択するようにユーザに要請するreCAPTCHAに応答するユーザ入力のセットを含み得る。別の例では、データのセットは、ユーザが一般に毎月ドッグフードにどの程度費やすかをユーザに尋ねる質問に応答するユーザ入力のセットを含み得る。ユーザ入力は、その入力を提供したユーザのユーザ特性データに関連付けられ得る。たとえば、ユーザ特性データは、システム100がアクセスを有し、システム100が使用する許可を有するデータの中でも、購買層データおよびブラウジング履歴を含み得る。別の例では、データのセットは、「実用的」または「おしゃれ」など、主観的記述子にマッピングされたハンドバッグデザイン範囲にわたる特定のハンドバッグ製品デザインをユーザが購入する可能性がどの程度あるかを評価するようにユーザに要求する質問に応答したユーザ入力のセットを含み得る。

【0057】

データプロセッサ124は、ユーザ特性データを含めて、様々なパラメータに基づいてデータをセグメント化する。たとえば、データプロセッサ124は、システム100がアクセスを有し、システムが使用する許可を有するユーザ特性データの中でも、ユーザの年齢、ユーザのロケーション、および/またはユーザの関心に基づいて、データのセットをセグメントに分割することができる。別の例では、データプロセッサ124は、データ自体の特性に基づいて、データをセグメント化し得る。たとえば、データプロセッサ124は、ユーザ提供フィードバックに基づいて、ハンドバッグ製品デザインがどの程度「おしゃれ」であると認知されるかなど、製品デザインの特定の主観係数の値に基づいてデータのセットを分割することができる。

【0058】

フローはステップBに続き、ここで、データプロセッサ124は、1つまたは複数のメトリックに従って不十分であるデータセットのセグメントを識別する。いくつかの実装形態では、このメトリックは、製品デザイナーなど、第三者140によって提供される。たとえば、このメトリックは、ユーザ応答の数および応答するユーザのターゲット層であってよい。いくつかの実装形態では、このメトリックは自動的に決定される。たとえば、このメトリックは、応答したユーザの母集団比率のしきい値差であってよく、ここで、しきい値差を上回る母集団比率の差を有するデータセットは、そこから応答が要請された実際の母集団を代表していないと見なされ得る。一例では、データプロセッサ124は、不十分な粒度を有するとして、車両検出のセットの自転車検出セグメントを識別することができる。

【0059】

フローはステップCに続き、ここで、タスクプロセッサ122は、識別されたセグメントに基づいて、ユーザに提示するタスクを動的に改変する。いくつかの実装形態では、タスクプロセッサ122は、前に生成されかつ/またはユーザに提示されている既存のタスクを動的に改変する。いくつかの実装形態では、タスクプロセッサ122は、ユーザに提示されるまったく新しいタスクを生成する。タスクプロセッサ122は、セグメントの識別に応答して、この改変をリアルタイムで実行することができる。たとえば、データ品質プロセッサ120は、データセットの品質を継続的に監視し、受信された新しい更新された情報に基づいて、そのメトリックを更新することができる。

【0060】

一例では、タスクプロセッサ122は、より良い解決策を提供するためにより小さな矩形を使用するようにグリッドシステムを修正することによって、自転車の一部分を含むすべての矩形を選択するようにユーザに要求した、前に配信されたタスクの一態様を自動的に改変する。ステップBにおいて、データプロセッサ124は、より高い粒度が必要とされたと自動的に決定し、タスクプロセッサ122は、この情報を使用して、自転車を有する交差点の写真をより小さな矩形に分割することができる。

【0061】

データ品質プロセッサ120は、既存のデータセットの分析に基づいて新しいタスクを自動的に修正または生成し、タスクを生成するのを助ける追加の動作を実行する。たとえば、データ品質プロセッサ120は、修正されたタスクが、自転車をビュー内に有する、交差点の写真データをユーザに提供することを含むと決定することができる。データプロセッサ122は、第三者140から交差点の特定の写真データを受信し得る。データプロセッサ122は、タスクの部分として提供されることになるデータを自動的にソーシングすることもできる。たとえば、データプロセッサ122は、少なくとも1つの自転車をビュー内に有する、公共交差点として標示された写真データを、たとえば、標示データベース130から取り出すことができる。データプロセッサ122は、次いで、データクレンジング動作を実行することができ、データクレンジング動作は、動作の中でも、個人を識別できる情報のデータをスクラブすること、データをクリーニングすること、データが使用可能であるようにデータを調整することを含む。たとえば、データプロセッサ122は、動作の中でも、ビュー内に自転車を含まない画像をフィルタで除去し、照明を調整し、画像内により動的な範囲を作成することによって、公共交差点でトレーニングされたストリートカメラからの写真のライブストリームを調整することができる。データプロセッサ122は、複雑なデータ操作動作を実行することができ、複雑なデータ操作動作は、動作の中でも、別の対象物を遮断している対象物を除去すること、および特定の対象物の焦点を向上させることを含む。

【0062】

タスクプロセッサ122は、識別されたセグメントに基づいて、タスクの配信に先立って満たさなければならない1つまたは複数の配信パラメータを決定することもできる。配信パラメータは、ユーザがそのタスクのサービスを受けるために有さなければならないユーザ特性を含み得る。たとえば、配信パラメータは、合衆国の西海岸に住む、年齢18から24の女性の特定の購買層を含み得る。

【0063】

タスクプロセッサ122は、タスクを改変して、たとえば、標示データベース130内の画像オブジェクト、ビデオオブジェクト、またはオーディオオブジェクトの空間の存在するエリアまたは新しいエリアをサンプリングすることができる。タスクプロセッサ122はまた、たとえば、ブランドに関するユーザの反応またはユーザのバイアスを評価するために、ブランド情報の除去または追加をテストすることもできる。

【0064】

フローはステップDに続き、ここで、タスクプロセッサ122は、ユーザに配信するために、動的に改変または生成されたタスクをDCDS110に送信する。たとえば、タスクプロセッサ122は、ユーザに提示されることになるタスクおよびタスクの一部としてユーザに提示されることになるコンテンツを示すタスクデータを送信することができる。タスクプロセッサ122は、タスクを特定のユーザに配信するために満たさなければならない配信パラメータを含み得る。たとえば、タスクプロセッサ122は、タスクが提示され得るターゲットユーザの購買層データを含み得る。

【0065】

フローはステップEに続き、ここで、DCDS110は、コンテンツに対する要求108をユーザデバイス106から受信する。要求108は、クライアントデバイスがデジタルコンテンツと対話するとき、ユーザデバイス106によってDCDS110に送信される。たとえば、ユーザデバイス106のユーザがショッピングアプリケーションをダウンロードするためのリンクをクリックする場合、そのリンクは、ユーザデバイス106に要求108をDCDS110に送信させ得る。要求108は、クライアントデバイス106からの対話追跡データを含み得る。たとえば、要求108は、対話の指示、ユーザデバイス106が対話したデジタルコンテンツ、およびユーザデバイス106を一意に識別する識別子など、追跡データを含み得る。いくつかの実装形態では、要求108は、デジタルコンテンツのプロバイダの指示、および要求されたリソースをホストする宛先サーバのロケーションを含む。

【0066】

フローはステップFに続き、ここで、DCDS110は、返答データ114をユーザデバイス106に送信する。上記で説明したように、返答データ114は、要求された電子ドキュメントに加えて、特定の配信パラメータを満たすユーザに配信されるべきタスクを示し得る。返答データ114は、DCDS110による要求108の受信、および受信した配信パラメータおよび要求108内に示されたユーザデータに基づく、配信パラメータが満たされるという決定に応答して、DCDS110によってユーザデバイス106に送信される。たとえば、DCDS110は、要求データ108の受信に基づいて、ユーザデバイス106のユーザが、Oregonに住む22歳の女性であると決定することができ、それにより、配信パラメータは満たされ得る。DCDS110は、次いで、要求された電子ドキュメント、および動的に改変されたタスクを返答データ114の形でユーザデバイス106に送信することができる。

【0067】

フローはステップGに続き、ここで、DCDS110は応答データ116をユーザデバイス106から受信する。応答データ116は、ユーザデバイス106のユーザによる返答データ114において行われたタスクの完了に応答して、ユーザデバイス106によってDCDS110に送信される。応答データ116は、購買層データ、デバイスデータ、ユーザの応答に関する情報など、ユーザ情報を含み、返答データ114内で提供されたタスクに応答したユーザ入力を含む。たとえば、応答データ116は、すべてユーザがシステム100にアクセス許可を与えた、自転車の一部分を含む矩形のユーザ選択、ユーザがその選択を行うのに費やした時間量、ユーザのマウス移動パターン、およびユーザの匿名化された購買層データ、デバイスデータ、およびブラウジング履歴を含み得る。応答データは、タスク、製品、またはデザインに関して、ユーザが提供した、意味論的記述子を含み得る。意味論的記述子は、製品またはデザインなど、対象物に関する意味的情報を提供する任意の記述子を含み得る。意味論的記述子は、人間または人工知能によって生成されてよく、語(たとえば、キーワードまたはキーフレーズ)、文、シンボル、または意味的情報を伝える他の記述子の形をとってよい。加えて、意味論的記述子は、提示された情報(たとえば、写真またはアイコン)との対話、評価要素(たとえば、製品評価ツール)、または対象物に関する自由形式のフィードバックのサブミッションなど、他のアクションに基づいて対象物に割り当てられてよい。DCDS110は、分析および標示のために、このデータをデータプロセッサ124に提供することができる。

【0068】

フローはステップHに続き、ここで、データプロセッサ124は、ユーザデバイス106からの応答データ116を分析する。データプロセッサ124は、応答データ116を分析して、データを分類し、データが検索可能になるように、データをユーザの情報で標示することができる。たとえば、データプロセッサ124は、ユーザが選択した矩形を、ユーザの購買層情報、ユーザがその選択を行うのに費やした時間量、および矩形のグランドトゥルースセットと比較したユーザ選択の精度で標示し得る。

【0069】

フローはステップIに続き、ここで、データ品質プロセッサ120は、分析されたデータを標示データベース130に提供する。データプロセッサ124は、データが検索可能であるように、標示データベース130内に記憶するために、標示されたデータを提供し得る。

【0070】

システム100は、データ品質プロセッサ120が特定のデータセット内に含まれたデータの量を自動的かつ継続的に監視しているように、絶えずプロセス200を実行することができる。したがって、システム100は、モデル出力結果の精度および完全性が絶えず改善されるように、包括的データベース130にわたってデータの品質を維持し改善する。システム100は標示データベース130を絶えず更新するため、システムは、そこからシステム100が、タスクの結果、およびユーザ情報など、ユーザ応答情報に基づいて、画像、オーディオ、またはビデオのインスタンスなどのコンテンツを取り出すことができる検索可能データベースを提供する。

【0071】

システムは、十分に表されていないまたはまったく表されていないユーザ層からの追加フィードバックを選択的に要請することによって、ユーザフィードバックの配信におけるバイアスを低減する。

【0072】

図2Bおよび図2Cは、モデルトレーニングプロセスを示す。サーバ250は、ベースラインモデル252およびタスクリポジトリ254を維持する。ベースラインモデル252は、ベースライン行動モデルとしてサービスし、更新され得るモデルである。タスクリポジトリ254は、ユーザに配信され得るタスクのセットを維持する。

【0073】

デバイスA260a、B260b、…およびN260n(デバイス260と総称される)は各々、モデルA、B、…N262a、262b、…262n(モデル262と総称される)をそれぞれ含む。局所的に維持されたモデル262は各々、サーバ250によって提供されるタスクおよびモデル更新に基づいて、更新され改善され得る。

【0074】

デバイス260は各々、ユーザA270a、B270b、…N270n(ユーザ270と総称される)から入力を受信し、そこへ情報を表示し、それによって制御され得る。たとえば、デバイス260は、上記で説明したようなタスクをユーザ270の各々に提供することができる。タスクは、たとえば、タスクリポジトリ254から提供され得る。ユーザ270は各々、タスクに応答して、意味論的マッピング272a、272b、…272n(意味論的マッピング272と総称される)をデバイス260に提供することができる。ユーザ270によって提供された応答に基づいて、デバイス260はモデル262を更新することができる。

【0075】

図2Cにおいて、モデルトレーニングモジュール256は、ユーザ270によって提供された応答からの情報に基づいて更新されたベースラインモデル258を生成し、ベースラインモデル252を置換または更新するために、更新されたベースラインモデル258をサーバ250に提供することができる。

【0076】

図3は、例示的なデザイン空間300を示す。デザイン空間300は、考えられるデザイン値の概念的なユニバースの視覚表現である。デザイン空間300は、図1に示したシステム100などのシステムによって生成され得る。たとえば、データ品質プロセッサ120のモデル生成器126は、標示データベース130からのユーザ応答データに基づいて、デザイン空間300を生成することができる。

【0077】

デザイン空間300は、多次元的であってよい。この特定の例では、デザイン空間300は、2つの次元を含み、様々なバッグデザインの評価をユーザに要求する質問に応答して、ユーザがサブミットしたデータの結果として生成された。他の例では、デザイン空間300は、2つ以上の次元を含んでよく、3次元以上の次元モデルとして表されてよい。次元は、中でも、形状、色、テクスチャ、サイズ、または別の対象物に対する相対距離を含む。

【0078】

デザイン空間300は、特定の製品またはサービスに対するすべての考えられるデザインを視覚的に表すために使用される。製品は、非耐久消費財および耐久消費財を含み得る。たとえば、製品は、中でも、衣類、化粧品、食品、家具、および自動車を含み得る。

【0079】

デザイン空間300は、デザインが物理的に作成可能であるかどうかから、デザイナーが要求する制約に対するデザインの製造勝手まで、様々な制約によって制限され得る。デザイン空間300は、製品に対するターゲットオーディエンスなど、ユーザから収集されるデータによって制限され得る。たとえば、その重量が3ポンド(1.36kg)を超える場合に特定のモバイルデバイスに対する消費者のターゲット母集団がそのモバイルデバイスを携帯しない場合、デザイン空間300はその重量寸法の点で制限され得る。いくつかの実装形態では、デザイン空間300は、データ、およびシステム100による決定によって自動的に制限され得る。たとえば、データプロセッサ124は、標示データベース130からのユーザ応答データに基づいて、調査されたユーザの誰もが8インチ(20.32cm)未満のスクリーンを備えたラップトップに関心を示さないと決定することができ、データプロセッサ124は、デザイン空間300に対するこの制限をモデル生成器126に提供することができる。

【0080】

デザイン空間300を自動的に生成し修正することによって、この新しいシステムは、最終デザインに達するために使用される時間量およびリソースを低減する。システムは、デザイン探索の重点を関与する第三者が指定するメトリックによって好結果をもたらす可能性が最も高いエリアに置くことができる。たとえば、データ品質プロセッサ120は、バッグデザインのデザイン探索の重点を、第三者バッグデザイナーおよび製造業者140のターゲット層である、年齢25から34の消費者が購入する可能性が最も高いエリアに自動的に置くことができる。データ品質プロセッサ120は、ユーザが関心を持つ可能性が最も高いデザイン空間300範囲内に入るバッグの形状およびデザインを自動的に生成することによって、ユーザ応答データに対する要求の重点を年齢25から34の調査対象であるユーザが最大の関心を持つことが示されたバッグデザインに置くことができる。

【0081】

この特定の例では、デザイン空間300は、意味論的属性をその空間範囲内に入るデザインの幾何学的特徴にマッピングする。たとえば、デザイン空間300は、意味論的属性「実現的」および「おしゃれ」を、バッグデザイン302および304を含めて、バッグデザインの特定の形状および形態にマッピングする。これらの意味論的属性は、特定の定性的デザインターゲットおよび購買層を表す主観係数である。標示データベース130からのユーザ応答データ306および308に基づいて、データ品質プロセッサ120は、ユーザが「実用的」および「おしゃれ」の混合であるバッグに最も関心を持つと決定した。この特定の例では、データ品質プロセッサ120のデータプロセッサ124は、標示データベース130からのユーザ応答を分析し、より「実用的」であり、少なくともやや「おしゃれ」であるバッグに最も高い関心が存在すると決定した。この決定を使用して、モデル生成器126は、しきい値「おしゃれ」量および何らかの他のしきい値「実用的」量を上回るバッグデザインに重点を置くようにデザイン空間300を制限することができる。モデル生成器126は、いくつかの実装形態では、デザイナーからのさらなる入力なしに、これらのデザイン基準を満たすデザインを自動的に生成することができる。いくつかの実装形態では、モデル生成器126は、前には生成されたことがない「おしゃれ」および「実用的」しきい値を満たすバッグデザインを生成することができる。たとえば、モデル生成器126は、第三者バッグデザイナー140からの入力なしに、バッグデザイン312および314を生成することができ、デザイン312および314は、新しい、前に知られていなかったバッグデザインになり得る。

【0082】

モデル生成器126は、たとえば、既存のデザインの特定の幾何学的特徴を変形させて新しいデザインを作成するために、人工知能技法および機械学習技法を使用することによって、追加情報なしに、入力されたデザインの初期セットに基づいて新しいデザインを生成することができる。いくつかの実装形態では、モデル生成器126は、開始点として、既存のデザインを使用しないまったく新しいデザインを生成することができる。データ品質プロセッサ120は、新しいデザインを生成するためまたは既存のデザインを修正するための3Dモデル形成プログラムおよびコンピュータ支援設計(CAD)プログラムを含めて、デザインプログラムと組み込まれることが可能である。

【0083】

モデル生成器126は、ユーザ提供情報を入力として受け入れる統計的および/または機械学習モデルを使用し得る。機械学習モデルは、決定木、敵対的生成ネットワークベースモデル、深層学習モデル、線形回帰モデル、ロジスティック回帰モデル、ニューラルネットワーク、分類器、サポートベクターマシン、帰納論理プログラミング、(たとえば、バギング、ブースティング、ランダムフォレストなどの技法を使用する)モデルのアンサンブル、遺伝的アルゴリズム、ベイジアンネットワークなど、様々なモデルのうちのいずれかを使用することができ、深層学習、相関ルール、帰納論理、クラスタリング、最大エントロピー分類、学習分類など、様々な手法を使用してトレーニングされ得る。いくつかの例では、機械学習モデルは、教師あり学習を使用し得る。いくつかの例では、機械学習モデルは、教師なし学習を使用し得る。

【0084】

いくつかの実装形態では、製品のデザインまたは形状を前提とした属性の確率ランキングまたは1つまたは複数の属性を前提とした製品のデザインまたは形状の確率ランキングを定義する確率モデルが使用され得る。

【0085】

モデル生成器126は、デザイナーが前に探索されていないデザイン空間の新しいエリアを探索することを可能にし、時間量、およびそのデザインがユーザによって高く評価される可能性を高めるためにユーザ応答データに基づいて新しいデザインを自動的に生成することによって、特定の製品に対して特に実行される必要があるリソース集約的フィードバックサイクルを低減する。デザイナーは、その場合、特定の新しいデザインを選択することができ、そのデザインは、次いでリサーチされテストされ得る。いくつかの実装形態では、確率ランキングは候補のセットを定義するために使用され得、候補のセットは、次いで、ユーザ選好を精緻化するための将来のタスクにおいてテストされ得る。データ収集およびデザイン生成プロセスについては、以下でより詳細に説明する。モデル生成器126は、システム100が市場購買層に応じてデザインを製作することに対してユーザの行動要件を特徴付けることを可能にする。

【0086】

モデル生成器126は、すべてのユーザに対して使用される汎用モデル、および特徴のセットを共有するユーザの特定のサブセットに対して使用され得るカスタマイズされたモデルを含めて、様々なタイプのモデルを使用することができ、特定のユーザ102に関して受信されたユーザ情報に基づいて、または検出されたアクティビティに基づいて、モデルを動的に調整することができる。たとえば、モデル生成器126は、ユーザ用のベースネットワークを使用し、次いで、各ユーザに対してモデルを調整することができる。

【0087】

いくつかの実装形態では、モデル生成器126は、機械学習を使用して、ユーザからの主観的フィードバックに基づいて特定のユーザに関する目的関数を決定することができる。目的関数は、単純であり得、製品デザインに対する一般的な修正を実装する。システム100がユーザ応答データを収集するにつれて、システム100は、データを匿名化し、データを中央データベースに提供し、中央データベースは、収集されたデータを記憶し分析して、一般的な行動モデルを改善し、システム100が各ユーザ102に対するより個別化された戦略を提供することを可能にする。

【0088】

システム100は、たとえば、特定の年齢、ロケーション、関心などのユーザに関する一般的なプロファイルを利用し得る。システム100は、同様の関心を有することが予測されるユーザにわたるサポート構成を一般化することができる。いくつかの実装形態では、システム100は、パラメータの中でも、ユーザの年齢、ロケーション、関心などのプロファイル情報のユーザからの入力を受け入れる。

【0089】

システム100は、たとえば、一定の範囲に個別化された「靴サイズ」モデルを利用し得る。たとえば、システム100は、特定の年齢枠内の人々に関する、New Yorkの人々に関する、オートバイが好きな人々に関するなど、一般的なプロファイルを使用し得る。たとえば、複数のユーザが同様の選好を示す場合、システム100は、一致する製品が存在するかどうかを決定することができる。一致する製品が存在する場合、システム100はその製品をユーザに戻すことができる。一致する製品が存在しない場合、システム100は、既存の製品のデザインを修正するか、または新しいデザインを生成することができる。いくつかの実装形態では、システム100は、特定のユーザをユーザの既存のクラスタまたはセグメントにマッピングすることによって、アグリゲートパーソナライゼーション(aggregate personalization)またはクラスタリングを実行するか、またはユーザの新しいクラスタまたはセグメントを形成することができる。システム100はまた、製品または特定のユーザ内の購入傾向を識別するために使用されてもよい。いくつかの実装形態では、システム100は、ユーザを既存の顧客セグメントまたは製品にマッピングするか、またはユーザの選好を既存の特徴セットにマッピングすることによって、アグリゲート構成クラスタリング(aggregate configuration clustering)を実行することができる。

【0090】

加えて、各モデルは個別化され得る。たとえば、各モデルは、各ユーザに関して、収集されたデータから決定された特性に基づいてモデルパラメータを改変することによって、汎用モデルから作成され得る。各モデルは、長い時間期間および短い時間期間にわたって特定のユーザに対して異なり得る。たとえば、システム100は、ユーザが特定のデザイン要素にどの程度関心を持つかを追跡し、ユーザが関心を失ったと決定されるとき、行動モデルを調整することができる。いくつかの実装形態では、各モデルは、一般的なプロファイルを使用して個別化されているモデルから作成され、各ユーザに対してさらに改変されてもよい。たとえば、モデルは、収集されたデータから決定された各ユーザに関する特性に基づいてモデルパラメータを改変することによって作成され得る。

【0091】

いくつかの実装形態では、モデルは、ベースモデルを使用せずに個別化され得る。たとえば、ユーザ応答データは、モデル生成器126に入力され、調整なしに製品構成にマッピングされるように、製品デザイナー、製造業者、またはデザインプログラムに提供され得る。一例では、モデル生成器126は、ユーザが特定のアイテムを即時に購入すること、または特定のアイテムが利用可能であるとき、アラートをセットアップすることを可能にする。

【0092】

図4は、図1の例示的な環境におけるデータ空間探索プロセスの例示的なデータフロー400を示す。データフロー400の動作は、システム100の様々な構成要素によって実行され得る。たとえば、データフロー400の動作は、DCDS110、ユーザデバイス106、第三者140、および標示データベース130と通信しているデータ品質プロセッサ120によって実行され得る。

【0093】

フローはステップAで開始し、ここで、データ品質プロセッサ120のデータプロセッサ124は、ユーザの母集団に関連するデータのセットを分析し、セグメント化する。いくつかの実装形態では、データのセットは、標示データベース130から取り出された既存のデータである。たとえば、データのセットは、スライディングスケールで、2つの意味論的記述子に関して2つの異なるバッグデザインを評価することをユーザに要求する質問に対するユーザ応答のセットを含み得る。ユーザ入力は、その入力を提供したユーザのユーザ特性データに関連付けられ得る。たとえば、ユーザ特性データは、システム100がアクセスおよび許可を有するデータの中でも、購買層データ、ブラウジング履歴を含み得る。

【0094】

フローはステップBに続き、ここで、データプロセッサ124は、1つまたは複数のメトリックに従って不十分であるデータセットのセグメントを識別する。このステップの詳細については、ステップBに関する図2Aの説明において上記で見出すことができる。

【0095】

フローはステップCに続き、ここで、モデル生成器126はデザイン空間を生成する。図3に関して上記で説明したように、デザイン空間は、考えられるデザインのユニバースの視覚表現である。いくつかの実装形態では、モデル生成器126は、第三者140によって提供された既存のデザイン空間を単に更新する。たとえば、モデル生成器126は、第三者バッグデザイナー140からデザイン空間を受信し、データのセットに基づいて、デザイン空間を更新することができる。

【0096】

モデル生成器126はまた、特定のデザインのユーザ受け止めを予測する行動モデルを生成することもできる。たとえば、モデル生成器126は、人工知能および/または機械学習技法を利用して、特定のメトリックの評価の中でも、特定のユーザ母集団によって高く評価される可能性が最も高いデザイン空間およびデザイン空間の部分の評価を出力する、十分な数のデータポイントを有さない、または特定の購買層セグメントにおける代表的なユーザ比率を表さない、行動モデルを生成することができる。

【0097】

フローはステップDに続き、ここで、データプロセッサ124は、行動モデルを使用して、ターゲットにするデザイン空間の1つまたは複数のセグメントを決定する。たとえば、データプロセッサ124は、モデル生成器126によってステップCにおいて生成された行動モデルの出力を使用して、非常に「おしゃれ」であるが、非常に「実用的」でもあるデザインがそのデザインに対するしきい値数のユーザ反応を有さない、またはそのようなデザインが生成されていないと決定する。

【0098】

フローはステップEに続き、ここで、タスクプロセッサ122は、決定された1つまたは複数のセグメントに基づいて、ユーザに提示されるタスクを動的に改変する。図2Aに関して上記で説明したように、タスクプロセッサ122は、前に生成されているかつ/またはユーザに提示されている既存のタスクを改変すること、またはユーザに提示されるまったく新しいタスクを生成することができる。たとえば、タスクプロセッサ122は、フィードバックのためにユーザに提示される、非常に「おしゃれ」で、非常に「実用的」でもある新しいバッグデザインを生成することができる。

【0099】

いくつかの実装形態では、モデル生成器126は、2つ以上の製品デザインを表示して、ユーザがモデルから生じる2つ以上の製品インスタンス間の差異または変形を可視化することを可能にすることができる。

【0100】

いくつかの実装形態では、モデル生成器126は、コンピュータ支援生成デザインプログラムと組み込まれてよく、組み込まれたプログラムを通して、製品またはサービスパッケージのデザインを改善、修正、または改変することができる。

【0101】

フローはステップFに続き、ここで、タスクプロセッサ122は、ユーザに配信するために、動的に改変または生成されたタスクをDCDS110に送信する。このステップの詳細については、ステップDに関する図2Aの説明において上記で見出すことができる。

【0102】

フローはステップGに続き、ここで、DCDS110は、コンテンツに対する要求108をユーザデバイス106から受信する。このステップの詳細については、ステップEに関する図2Aの説明において上記で見出すことができる。

【0103】

フローはステップHに続き、ここで、DCDS110は、返答データ114をユーザデバイス106に送信する。このステップの詳細については、ステップFに関する図2Aの説明において上記で見出すことができる。

【0104】

フローはステップIに続き、ここで、DCDS110は応答データ116をユーザデバイス106から受信する。このステップの詳細については、ステップGに関する図2Aの説明において上記で見出すことができる。

【0105】

フローはステップJに続き、ここで、データプロセッサ124は、ユーザデバイス106からの応答データ116を分析する。このステップの詳細については、ステップHに関する図2Aの説明において上記で見出すことができる。

【0106】

フローはステップKに続き、ここで、モデル生成器126は、ユーザデバイス106からの分析された応答データに基づいて、デザイン空間および/または行動モデルを更新する。モデル生成器126は、ユーザからのフィードバックに基づいて、デザイン空間を狭めることまたは拡大することができる。たとえば、モデル生成器126は、しきい値数またはしきい値割合のユーザ応答を有し、しきい値量に満たない肯定応答を有すると決定されている、デザインの一部分を放棄することができる。モデル生成器126は、更新されたデータセットを反映するために行動モデルを更新することができる。たとえば、モデル生成器126は、特定のバッグデザインのユーザ受け止めを予測する行動モデルをトレーニングするための入力として分析された応答データを入力し得る。

【0107】

データ品質プロセッサ120は、分析されたデータを標示データベース130に提供することもできる。モデルおよびデザイン空間更新は、データ品質プロセッサ120が分析されたデータを標示データベース130に送信するのと同時に実行され得る。いくつかの実装形態では、ステップKのこれらの部分は、非同期的に実行され得る。

【0108】

システム100は、データ品質プロセッサ120がデザイン空間を自動的かつ知的に探索しているように、プロセス400を継続的に実行する。したがって、システム100は、効率的なデザイン開発を可能にし、製品またはサービス用の新しいデザインを生成し確定するために要求される時間およびリソースを低減する。

【0109】

図1および図3～図4に関して上記で説明されたシステムは、データ品質改善を提供するためにタスクを自動的に改変する。いくつかの実装形態では、データ品質プロセッサ120は、たとえば、要因の中でも、1つまたは複数のタイプのデザインに対する、異なる画像ロケーションに対する、または特定の特性を有する画像に対する一貫した応答の欠如など、データ自体のセグメントの特定の特性を示すデータに基づいて、タスクを改変することができる。いくつかの実装形態では、データ品質プロセッサ120は、たとえば、要因の中でも、タスクを完成するために異常に短い時間量を費やす、またはユーザのセグメントからの一貫した応答の欠如など、ユーザセグメント内の特定の特性を示すデータに基づいて、タスクを改変することができる。システム100は、消費者フィードバックに基づいて製品デザインを自動的に作成し、これらのデザインに対するさらなるフィードバックを取得し、フォーカスグループを設計し保持せずに、消費者の選好およびニーズに整合する革新的なデザインを可能にする。デザイン改善は、より速いペースで、より代表的なデータによって生じ得る。加えて、追加フィードバックが、たとえば、何が肯定的な例または否定的な例をなすかのモデルの分類を改善するように行動モデルをトレーニングするネットワークに対する入力として使用され得る。

【0110】

図5Aおよび図5Bは、システムが行動モデルを使用してユーザに対するタスクを生成するデータフローを示す。

【0111】

図5Aは、システムが図1の例示的な環境においてユーザが受信するタスクを個人化するためのユーザコンテンツを有する場合のデータフロー500を示す。データフロー500の動作は、システム100の様々な構成要素によって実行され得る。たとえば、データフロー400の動作は、DCDS110、ユーザデバイス106、第三者140、および標示データベース130と通信しているデータ品質プロセッサ120によって実行され得る。

【0112】

フロー500は、個人が、キーワード、またはユーザクリックまたはテキスト入力など、ユーザ選好を表現する方法など、1つまたは複数のデザインプリミティブおよび/または意味論的記述子をアップロードすること(502)で開始する。アップロードされたデータは、デザインされている製品またはサービスの視覚的または聴覚的要素または特徴を使用して所与のデザインにマッピングされ得る、選好、意味論的記述子、または評価を人間が表現することを可能にする情報を提供することができる。たとえば、市場研究者は、バックパックに関する製品デザイン、および「スポーティ」、「機能的」、「実用的」、および「専門的」など、バックパックに関連するキーワードのセットをシステム100に提供することができる。デザインプリミティブは、製品またはサービスに関するものであり得、物理的な製品およびデジタル製品用のデザインを含み得る。別の例では、タスクは、製品またはサービスの価値または価格を決定するために、デザイン、記述、または特徴を提示することができる。これらのデザインおよび/またはキーワードは、たとえば、製品デザインおよびキーワードのデータベース内に記憶され得る。人はまた、どのデザインのクラスまたはインスタンスがどの意味論的記述子とともに示されるべきかを決定する実験計画をアップロードすることもできる。実験計画は、統計的測定値、または所与のデザインタイプおよび意味論的記述子がどのように、いつ、またはどこで示されるかに関する、他のガイダンス基準を含んでもよい。いくつかの実装形態では、デザインおよび/またはキーワードは、デジタルコンポーネントデータベース112および/または標示データベース130内に記憶され得る。

【0113】

フロー500は続き、システムはユーザに提供されることになるコンテンツに対するフォーマットを選択する(504)。たとえば、システム100のDCDS110は、ユーザに提供されることになるコンテンツに対するレイアウトを選択することができる。レイアウトは、たとえば、利用可能なユーザインターフェース要素のタイプおよび提供される情報のタイプを含み得る。一例では、DCDS110は、配信されるときにユーザに提供されることになるタスクについてのスライダーおよびラジオボタンを含むコンテンツに対するレイアウトを選択し得る。別の例では、フォーマットレイアウトは、それらが回答を受けると、ユーザに提供される報酬を含み得る。

【0114】

フロー500は続き、システムは、データを事前処理し、ユーザに提供されることになるタスクの正当性を検証する(506)。たとえば、データ品質プロセッサ120のタスクプロセッサ122およびデータプロセッサ124は、データを事前処理し、決定されたレイアウトフォーマットに基づいて、ユーザに提供されることになるタスクの正当性を検証することができる(504)。

【0115】

フロー500は続き、事前処理されたデータ、およびユーザに提供されることになる、検証されたタスクを記憶する(508)。フロー500において、システム100は、個人化されたコンテンツを提供するためのユーザ同意を有し、したがって、事前処理されたデータおよび検証されたタスクは、ユーザ情報に基づいて修正および/または個人化され得る。

【0116】

フロー500は続き、ウェブサイトまたはアプリケーションのユーザはサービスされるコンテンツと対話する(510)。たとえば、DCDS110は、図1に関して上記で説明したように、事前処理されたデータと、ウェブサイトまたはアプリケーションの特定のユーザに提供されることになる、検証されたタスクとを選択し、サービスされるコンテンツとのユーザの対話からユーザ入力を受信することができる。

【0117】

フロー500は続き、ユーザの応答を記憶する(512)。たとえば、DCDS110は、データ品質プロセッサ120のデータプロセッサ124によって応答データが分析され、処理された後のユーザ層データなど、ユーザ情報を含むユーザの応答を受信することができる。分析された応答データは、データプロセッサ124によって標示され、標示データベース130内に記憶され得る。

【0118】

フロー500は続き、ユーザ応答データに基づいて、1つまたは複数の行動モデルを構築する(514)。行動モデルの例は、デザイン、デザイン特徴、デザイン変形またはグラフベースのデザイン表現を意味論的記述子または評価にマッピングするための線形または非線形関数近似(たとえば、深層学習可能な畳み込みニューラルネットワーク)の使用を含む。入力から出力へのマッピングおよびその逆を可能にする可逆モデルが使用され得るか、または入力を出力にマッピングするおよびその逆のための複数のモデルが使用され得る。行動モデルは、所与のユーザの応答とともに記憶されたユーザ層情報を含んでもよい。一例は、Londonに住む年齢20から30の女性に関するアパレルデザインフィードバックを閲覧することを可能にするモデルを作成するためのタスクデータの使用であろう。たとえば、行動モデルは、入力としてユーザ層を有してよいか、または本質的に、コンピュータが所与の購買層パラメータセットに対するモデル応答を調整することを可能にする確率であってよい。たとえば、データ品質プロセッサ120のモデル生成器126は、図1から図4に関して上記で説明したように、ユーザ応答データに基づいて行動モデルを生成することができる。モデルまたはモデルベースの分析は、オンライン調査、価格設定および変換データ、販売属性モデル、テーマクリニック(theme clinics)、およびフォーカスグループフィードバックなど、他のソースからの情報または入力を含んでもよい。モデルまたはモデルベースの分析は、タスクフィードバックから確保された価格設定情報を使用することも可能である。

【0119】

フロー500は続き、1つまたは複数の行動モデルに基づいて、新しいアイディアおよび/または概念を分析し、識別する(516)。たとえば、データ品質プロセッサ120のモデル生成器126は、行動モデルの出力に基づいて、新しいデザインアイディアおよび/または新しいデザイン概念を分析し、識別することができる。

【0120】

フロー500は続き、新しいデザインおよび/あるいはキーワードまたは意味論的記述子もしくは選好を生成するためにデザインを探索および/または最適化する(518)。たとえば、データ品質プロセッサ120のモデル生成器126は、新しいデザインを生成するためまたは既存のデザインを修正するために、デザイン空間を使用してデザインを探索および/または最適化することができる。モデル生成器126は、デザインに関連付けられた新しいキーワードを生成することもできる。たとえば、モデル生成器126は、生成された行動モデルに基づいて、現在のマーケティング用品においてトレンディングであるかまたは人気があり、ユーザに人気があることが示されている新しいキーワードを生成することができる。モデルは、意味論的記述子または評価からデザインを生成するために使用されてよく、所与のデザインから意味論的記述子または評価を生成するために使用されてもよい。モデルを使用して、将来のタスクの中に含める新しいデザインまたは意味論的記述子を識別するためにモデル空間を探索または最適化することができる。例は、モデル空間がキーワード(スタイリッシュおよび実用的)に関連する2つの軸に対して位置するデザインとともに示される図3に見ることができる。この例では、スタイリッシュ40%に対して実用的に60%の重みを付けるコスト関数の最適化はデザイン312を選択し得る。例は、最適化がデザイントレードオフ、コスト、および価格設定を考慮に入れることができる、タスクから確保された価格設定フィードバックを含む、行動モデルの使用を含む。これらの新しいデザインおよび/またはキーワードは、(502)において言及された製品デザインおよびキーワードのデータベースに提供される。いくつかの実装形態では、デザインおよび/またはキーワードは、デジタルコンポーネントデータベース112および/または標示データベース130内に記憶され得る。

【0121】

図5Bは、システムが図1の例示的な環境においてユーザが受信するタスクを個人化するためのユーザコンテンツを有さない場合のデータフロー550を示す。データフロー550の動作は、システム100の様々な構成要素によって実行され得る。たとえば、データフロー550の動作は、DCDS110、ユーザデバイス106、第三者140、および標示データベース130と通信しているデータ品質プロセッサ120によって実行され得る。

【0122】

フロー550は、フロー500に厳密に従う。フロー550は、カスタマが1つまたは複数のデザインプリミティブおよび/またはキーワードをアップロードすること(552)で開始する。このステップの詳細については、(502)に関する図5Aの説明において上記で見出すことができる。

【0123】

フロー550は続き、システムはユーザに提供されることになるコンテンツに対するフォーマットを選択する(554)。このステップの詳細については、(504)に関する図5Aの説明において上記で見出すことができる。

【0124】

フロー550は続き、システムは、データを事前処理し、ユーザに提供されることになるタスクの正当性を検証する(556)。このステップの詳細については、(506)に関する図5Aの説明において上記で見出すことができる。

【0125】

フロー550は続き、事前処理されたデータ、およびユーザに提供されることになる、検証されたタスクを記憶する(558)。フロー550において、システム100は、個人化されたコンテンツを提供するためのユーザ同意を有さず、したがって、事前処理されたデータまたは検証されたタスクのいずれも、ユーザ情報に基づいて修正または個人化されない。

【0126】

フロー550は続き、ウェブサイトまたはアプリケーションのユーザはサービスされるコンテンツと対話する(560)。このステップの詳細については、(510)に関する図5Aの説明において上記で見出すことができる。

【0127】

フロー550は続き、ユーザの応答を記憶する(562)。たとえば、DCDS110は、データ品質プロセッサ120のデータプロセッサ124によって応答データが分析され、処理された後のユーザ層データなど、ユーザ情報を含み得るユーザの応答を受信することができる。DCDS110は、それが含まれる場合、ユーザ情報を削除することができる。いくつかの実装形態では、システム100はユーザの情報にアクセスするためのユーザの合意を有さないため、ユーザ情報は提供されない。分析された応答データは、データプロセッサ124によって標示され、標示データベース130内に記憶され得る。

【0128】

フロー550は続き、ユーザ応答データに基づいて、1つまたは複数の行動モデルを構築する(564)。このステップの詳細については、(514)に関する図5Aの説明において上記で見出すことができる。

【0129】

フロー550は続き、1つまたは複数の行動モデルに基づいて、新しいアイディアおよび/または概念を分析し識別する(566)。このステップの詳細については、(516)に関する図5Aの説明において上記で見出すことができる。

【0130】

フロー550は続き、新しいデザインおよび/または意味論的記述子を生成するためにデザインを探索および/または最適化する(568)。このステップの詳細については、(518)に関する図5Aの説明において上記で見出すことができる。

【0131】

図6Aおよび図6Bは、システムがユーザフィードバックをデザインサイクルに組み込む場合のデータフローを示す。図6Aおよび図6Bは、図5Aおよび図5Bに示したデータフローに基づく。いくつかの実装形態では、システム100はコンテンツを個人化するためのユーザ合意を有する。いくつかの実装形態では、システム100はコンテンツを個人化するためのユーザ合意を有さない。

【0132】

図6Aは、システムが図1の例示的な環境におけるデザイナー入力を条件に、ユーザフィードバックをデザインサイクルに組み込む場合のデータフロー600を示す。データフロー600の動作は、システム100の様々な構成要素によって実行され得る。たとえば、データフロー600の動作は、DCDS110、ユーザデバイス106、第三者140、および標示データベース130と通信しているデータ品質プロセッサ120によって実行され得る。

【0133】

フロー600は、フロー500または550に厳密に従う。フロー600は、人物が、タスクフォーマットを選定し、デザインプリミティブおよび意味論的記述子をアップロードすること(602)で開始する。このステップの詳細については、(502)に関する図5Aおよび(552)に関する図5Bの説明において上記で見出すことができる。たとえば、ユーザは、デザインプリミティブ、またはデザイン形状、および関連するキーワードをデータベースにアップロードすることができる。このデータベースは、初期の製品デザイン形状およびキーワード、ならびにタスクを閲覧するユーザの応答に基づく何らかの更新を記憶する。たとえば、データベースは、ステップ618に基づいて更新を記憶することができる。

【0134】

フロー600は続き、システムはユーザに提供されることになるコンテンツに対するフォーマットを選択する(604)。このステップの詳細については、(504)に関する図5Aおよび(554)に関する図5Bの説明において上記で見出すことができる。ストレージ内のプリミティブおよび意味論的記述子のフォーマットは、人物によって選択されるか、またはシステムによって自動的に構成され得る。

【0135】

フロー600は続き、システムは、データを事前処理し、ユーザに提供されることになるタスクの正当性を検証する(606)。このステップの詳細については、(506)に関する図5Aおよび(556)に関する図5Bの説明において上記で見出すことができる。データは、たとえば、特定のデザイン形状に関して実行可能であるキーワードのセットを識別するために事前処理され得る。加えて、データは、所与のフォーマットまたは所望のユーザオーディエンスに対する適切性または正当性について検証され得る。いくつかの実装形態では、タスクは、特定の国、地理、または購買層特性に関連し得る。たとえば、フランス語記述の解釈は、合衆国および欧州の大きなセグメントのフランス語を話さないユーザ用のタスクとして適切でない可能性がある。タスクは、インターネットを介してまたはアプリケーションを通じて配信されるコンテンツとともに記憶され、サービスされ得る。

【0136】

フロー600は続き、事前処理されたデータ、およびユーザに提供されることになる、検証されたタスクを記憶する(608)。このステップの詳細については、(508)に関する図5Aおよび(558)に関する図5Bの説明において上記で見出すことができる。

【0137】

フロー600は続き、ウェブサイトまたはアプリケーションのユーザはサービスされるコンテンツと対話する(610)。このステップの詳細については、(510)に関する図5Aおよび(560)に関する図5Bの説明において上記で見出すことができる。たとえば、ユーザはコンテンツと対話し、タスクに対して要求が出される。次いで、ユーザはタスクと対話し、応答を提供し得る。たとえば、ユーザは、製品デザインの写真または画像に対して最も適切なキーワードまたはラベルを選定することができる。

【0138】

フロー600は続き、ユーザの応答を記憶する(612)。このステップの詳細については、(512)に関する図5Aおよび(562)に関する図5Bの説明において上記で見出すことができる。いくつかの実装形態では、応答のみが記録される。いくつかの実装形態では、応答およびユーザ層データが記憶され得る。

【0139】

フロー600は続き、ユーザ応答データに基づいて、1つまたは複数の行動モデルを構築する(614)。このステップの詳細については、(514)に関する図5Aおよび(564)に関する図5Bの説明において上記で見出すことができる。たとえば、モデルはキーワードおよび意味論的記述子を特定のデザイン形状またはジオメトリにマッピングし得る。別の例では、モデルは、製品特徴を他の特徴の好ましいアンサンブルにマッピングするか、または製品を他の製品の好ましいアンサンブルにマッピングする。これらのモデルは、デザイン特徴または決定をカスタマ選好および価値にマッピングすることもできる。

【0140】

フロー600は続き、1つまたは複数の行動モデルに基づいて、新しいアイディアおよび/または概念を分析し、識別する(616)。このステップの詳細については、(516)に関する図5Aおよび(566)に関する図5Bの説明において上記で見出すことができる。たとえば、モデルは、新しいタスクを決定するのを助けるために使用され得るデータおよび結果を生成するために分析され、識別される。

【0141】

フロー600は続き、新しいデザインおよび/またはキーワードを生成するためにデザインを探索および/または最適化する(618)。このステップの詳細については、(518)に関する図5Aおよび(568)に関する図5Bの説明において上記で見出すことができる。たとえば、システムは、データを使用して、分析に応答して、タスクコンテンツ、フォーマット、またはメッセージングを探索し、最適化し、または修正することができる。モデル、分析、デザイン決定および最適化に関するいずれの学習、修正、更新もデータベース内に記憶される。

【0142】

フロー600は、行動モデルをCADベースのデザインツール内にロードし、行動モデルに基づいて製品デザイン決定を行う(620)ことを含む。いくつかの実装形態では、人間のデザイナーは、CADベースのデザインツールに入力を提供することおよび/または製品デザイン決定を提供することができる。たとえば、人間のデザイナーは、所望の意味的に記述された結果を暗に念頭に置くことがあり、CADベースのデザインツールの結果およびモデル生成器126によって行われた自動的に生成された製品設計決定を整形することができる。CADベースのデザインツールはまた、たとえば、人間のデザイナー、製品製造業者、またはカスタマによって提供された制約および仕様を受信することもできる。いくつかの実装形態では、ユーザフィードバックまたはユーザ行動をキャプチャするモデルは、コンピュータ支援設計決定および製造生産において使用するために直接的または間接的に利用可能にされ得る。これらのモデルは、デザインを分析または修正するために使用され得る。

【0143】

フロー600は続き、修正されたデザイン形状を製作する(622)。たとえば、モデル生成器126は、行動モデルおよび製品用のデザイン空間を使用して、修正されたデザイン形状を製作することができる。いくつかの実装形態では、モデルはキーワード記述子を実際の3D製品デザインにマッピングすることができ、デザイナーは、キーワード記述子およびユーザフィードバックを使用して、新しいまたは修正されたデザインを製作することができる。デザインは、明示的な形状として、形状または所与の形状に対する変形を表すデータ構造として、または形状グラフとして表されてよい。一例では、デザイナーは、モデルを使用して、そのデザインが販売またはバンドルされ得る他の製品に基づいて、デザインを作成または修正する。このループは、製品要件またはリリース基準が満たされるまで反復され得る。これらが満たされる場合、デザインは、製造プロセスを導くまたは指示する仕様か、製造指示か、レシピか、または方法として提供される。生じる製品は、フィードバックを提供した元のユーザに送信され得、または、カスタマに配布するための倉庫またはストアに提供され得る。いくつかの実装形態では、この手法は、決定を行った人間に情報が提供される手動方法で提供され得る。いくつかの実装形態では、この手法は、制約か、仕様か、またはデザインをより良い状態に導くコスト関数かに従って、デザインを自動的に修正するために使用され得る。いくつかの実装形態では、この手法は、いくつかのステップが人間によって行われ、いくつかのステップが自動化されるハイブリッドを使用し得る。

【0144】

フロー600は続き、修正されたデザイン形状がリリース基準を満たすかどうかを決定する(624)。たとえば、モデル生成器126は、たとえば、製品デザイナー、製造業者、運送業者などからのリリース基準に基づいて、デザイン形状がリリースまたは製造に適しているかどうかを決定することができる。

【0145】

フロー600は、随意に、修正されたデザイン形状を有する製品の製造および出荷を含み得る(626)。たとえば、デザインプロセスは、製品の製造および配布ワークフローと組み込まれてよい。いくつかの実装形態では、製品は、倉庫および店舗に配信され得、そして、共有グループの中でも、同じグループ、クラスタ、ロケーション、またはユーザセグメント内の他のユーザなど、初期応答を提供したユーザと同様の選好を有するユーザに直接的に配信され得る。

【0146】

図6Bは、システムが図1の例示的な環境において新しいデザインを自動的に生成するために、ユーザフィードバックをデザインサイクルに組み込む場合のデータフロー650を示す。データフロー650の動作は、システム100の様々な構成要素によって実行され得る。たとえば、データフロー650の動作は、DCDS110、ユーザデバイス106、第三者140、および標示データベース130と通信しているデータ品質プロセッサ120によって実行され得る。

【0147】

フロー650の主な特徴は、人間のデザイナーのビジョンを増補するために生成デザインが使用され得ることであり、いくつかの実装形態では、所望の結果に基づいて、人間のデザイナーを完全に置換し得る。

【0148】

フロー650は、フロー500、550、または600に厳密に従う。フロー650は、カスタマが1つまたは複数のデザインプリミティブおよび/またはキーワードをアップロードすること(652)で開始する。このステップの詳細については、(502)に関する図5A、(552)に関する図5B、および(602)に関する図6Aの説明において上記で見出すことができる。

【0149】

フロー650は続き、システムはユーザに提供されることになるコンテンツに対するフォーマットを選択する(654)。このステップの詳細については、(504)に関する図5A、(554)に関する図5B、および(604)に関する図6Aの説明において上記で見出すことができる。

【0150】

フロー650は続き、システムは、データを事前処理し、ユーザに提供されることになるタスクの正当性を検証する(656)。このステップの詳細については、(506)に関する図5A、(556)に関する図5B、および(606)に関する図6Aの説明において上記で見出すことができる。

【0151】

フロー650は続き、事前処理されたデータ、およびユーザに提供されることになる、検証されたタスクを記憶する(658)。このステップの詳細については、(508)に関する図5A、(558)に関する図5B、および(608)に関する図6Aの説明において上記で見出すことができる。

【0152】

フロー650は続き、ウェブサイトまたはアプリケーションのユーザはサービスされるコンテンツと対話する(660)。このステップの詳細については、(510)に関する図5A、(560)に関する図5B、および(610)に関する図6Aの説明において上記で見出すことができる。

【0153】

フロー650は続き、ユーザの応答を記憶する(662)。このステップの詳細については、(512)に関する図5A、(562)に関する図5B、および(612)に関する図6Aの説明において上記で見出すことができる。

【0154】

フロー650は続き、ユーザ応答データに基づいて、1つまたは複数の行動モデルを構築する(664)。このステップの詳細については、(514)に関する図5A、(564)に関する図5B、および(614)に関する図6Aの説明において上記で見出すことができる。

【0155】

フロー650は続き、1つまたは複数の行動モデルに基づいて、新しいアイディアおよび/または概念を分析し識別する(666)。このステップの詳細については、(516)に関する図5A、(566)に関する図5B、および(616)に関する図6Aの説明において上記で見出すことができる。

【0156】

フロー650は続き、新しいデザインおよび/または意味論的記述子を生成するためにデザインを探索および/または最適化する(668)。このステップの詳細については、(518)に関する図5A、(568)に関する図5B、および(618)に関する図6Aの説明において上記で見出すことができる。

【0157】

フロー650は、行動モデルをCADベースのデザインツール内にロードし、行動モデルに基づいて製品デザイン決定を行うこと(670)を含む。いくつかの実装形態では、生成デザインプロセスは、所望の基準またはコスト関数に従って、デザインを自動的に製作または修正するために使用され得る。この生成デザインプロセスは、CADベースのデザインツールに入力を提供することおよび/または製品デザイン決定を提供することができる。たとえば、生成デザインシステムは、所望の結果に基づいて、適切なコスト関数を決定または受信することができる。CADベースのデザインツールはまた、たとえば、人間のデザイナー、製品製造業者、またはカスタマによって提供された制約および仕様を受信することもできる。たとえば、人工知能方法は、デザイン空間を検索し、仕様ならびに行動モデルの結果を満たすデザインを製作するために反復的生成デザインとともに使用され得る。

【0158】

フロー650は続き、修正されたデザイン形状を製作する(672)。このステップの詳細については、(622)に関する図6Aの説明において上記で見出すことができる。

【0159】

フロー650は続き、修正されたデザイン形状がリリース基準を満たすかどうかを決定する(674)。このステップの詳細については、(624)に関する図6Aの説明において上記で見出すことができる。

【0160】

フロー650は、随意に、修正されたデザイン形状を有する製品の製造および出荷を含み得る(676)。このステップの詳細については、(626)に関する図6Aの説明において上記で見出すことができる。

【0161】

一例では、タスクは、靴など、2つの異なる製品をユーザに示し、どの靴のペアが示されているアパレルにより似合うかをユーザに尋ねることを含み得る。アパレルは、たとえば、スーツであってよい。アパレルは、複数の異なる衣類アイテムを含んでよく、アンサンブルを選択するようにユーザに要求し得る。

【0162】

一例では、タスクは、ユーザがデザインを構成または修正するための方法を含んでよく、新しい製品をどのように作成するかまたは既存の製品をどのように改善するかについてフィードバックを要請することができる。改善された製品は、次いで、新しいタスクにおいてユーザに提供されてよく、ユーザは、製品デザインを反復的に改善し得る。

【0163】

一例では、タスクは、車に関するデザインなど、2つの異なる製品デザインをユーザに示し、主観的製品デザイン記述子(または形容詞)「コンパクト」などの所与の属性が各デザインをどの程度よく記述するとユーザが考えるかの評価を提供するための、スライダーまたはボタンなど、フィードバック機構を提供することを含み得る。

【0164】

コンピュータ支援デザインプロセスは、基準および仕様に従って、デザインを生成し修正するように自動的に駆動され得る。制約および仕様内のデザイン基準または係数をトレードオフするために、コスト関数が使用され得る。行動モデルは、制約、仕様、または製造規則内のユーザ選好を最大化するためにコスト関数とともに使用され得る。たとえば、生成デザイン方法は、行動モデルおよびコスト関数または決定基準によって導かれるデザイン空間にわたって反復するために使用され得る。生成デザインの使用は、可能にされた、または仕様または制約内にあるが、車体スタイルまたはランニングシューズの色の組合せなど、異なる顧客選好を表し得る、多くのデザイン決定にわたって反復するためのAIおよび強化学習の使用を含む。生成アルゴリズム手法は、進化的アルゴリズム、変分オードエンコーダ、および敵対的生成ネットワークのうちの1つまたは複数を含む。これらの方法は、クラウドコンピューティングを利用して、膨大な数のデザイン反復を通して反復して、個々の顧客、顧客のセグメント、または顧客の複数のセグメントを最適化し得る。使用され得るアルゴリズムの例は、所与のデザインを発展させる、または複数のデザインのハイブリッドを作成する遺伝的アルゴリズムを含めて、進化的アルゴリズムを含む。いくつかの実装形態では、システムは、まったく新しいデザインを製作するために複数の既存のデザインを入力する敵対的生成ネットワークを使用することができる。これらの方法を反復して、タスクがフィードバックを提供するようにユーザに提示する新しいデザインを製作することができる。反復し、最適化して、新しいデザインを製作するために、プロセス全体が自動化され得る。いくつかの実装形態では、このシステムは、ロボットまたは3D印刷を使用する自動化された製造フローに組み込まれることが可能である。
いくつかの実装形態では、このシステムを使用して、ユーザの提供された選好に基づいて、製品をユーザまたはユーザセグメントに個人化することができる。

【0165】

変分オートエンコーダおよび関連する敵対的生成ネットワークは、次いで追加のユーザフィードバックのためにシステムに供給される新しいデザインを発展させるためにタスク生成行動モデルとともに使用され得る。このシステムは、反復し、コスト関数によって定義される停止基準に達するまで、スコアリングされ得る。

【0166】

変分オートエンコーダは、画像、形状、形状関連データ構造、形状関連のグラフまたは多角形データとして表されるデザインのライブラリとともに使用され得る。変分オートエンコーダは、所与のデザインを記述する特徴の低減されたセットを効果的に表す潜在因子のセットを作成するために使用され得る。変分オートエンコーダがトレーニングされると、デザインはその潜在因子に符号化され、次いで、その再構成されたデザインに復号される。一例では、収束を加速するための初期マッピングを構築するために、デザイン表現の既存のライブラリが使用され得る。タスクベースのフィードバックを使用して開発された行動モデルは、所与の再構築されたデザイン表現をユーザ特性化または分類にマッピングするために使用され得る。いくつかの実装形態では、ユーザ分類は、良い(好ましい)に対する悪い(好ましくない)のスコアリングであってよい。ユーザ/人間ベースの特性化は、デザインを作成または改善するためにオプティマイザによって使用され得る数学的表現またはスコアを作成するためにコスト関数とともに使用され得る。オプティマイザの出力は、潜在因子の記述に関連するデザインタイプである。最適化は、新しい潜在因子を作成するために遺伝的変異またはクロスオーバを使用することすら可能である。新しい潜在因子は、新しいタスク内に挿入され得る新しいデザイン表現を製作するためにデコーダ/生成器を通過し得る。デザイン、潜在因子、およびキーワードはすべて、ユーザに示される新しいタスクを作成する際に、1つのデザインをもう1つのデザインに関係付けるかまたはクラスタリングするために使用され得る、デザインの空間および距離メトリックを形成する。このシステムは、もたらされた潜在因子が停止基準を満たすか、または修正が非常に小さいのいずれかである、コストベースのスコアリングが収束するまで、デザイン空間を中心に自動的に反復し得る。その時点で、デザインは完成し製造準備が整ったと見なされる。

【0167】

別の実装形態では、デザインを作成または最適化することは、すべての車またはアパレルのデザインが空間の各次元によって定義されるデザイン特徴によって表されるデザイン空間の数学的表現を作成することを含み得る。N次元の特徴空間がN空間で表される。多くの場合、その空間はより低い次元の空間に変換され得る。他の場合には、デザインインスタンスをクラスにクラスタリングまたはセグメント化するために、距離メトリックが使用され得る。すべてのデザインインスタンスまたはクラスから別のデザインインスタンスまたはクラスまでの距離が計算され、記憶され得る。行動モデルは、デザインインスタンスとタスク評価器/ユーザによるキーワードまたは意味論的記述のセットとの間のマッピングを表す。このマッピングを探索して、評価された、最も有望なデザインと同様の、したがって、それらのデザインとはほど遠い(最適化)または異なる(探索)デザインを見出して、デザイン空間の新しい部分を発見し探索することができる。このシステムは、ユーザに示される将来のタスクに対するデザインインスタンスを定義するために、距離ベースのクラスタリング方法、たとえば、K近傍フィルタリングまたは協調フィルタリングとともに使用され得る。

【0168】

図7Aおよび図7Bは、システムがユーザフィードバックを実装して、既存のデザインおよび製品をカスタマイズする場合のデータフローを示す。

【0169】

図7Aは、システムが図1の例示的な環境において既存のデザインおよび製品を修正するためにユーザフィードバックを実装する場合のデータフロー700を示す。データフロー700の動作は、システム100の様々な構成要素によって実行され得る。たとえば、データフロー700の動作は、DCDS110、ユーザデバイス106、第三者140、および標示データベース130と通信しているデータ品質プロセッサ120によって実行され得る。

【0170】

データフロー700は、3D印刷または自動製造を含めて、様々な製造プロセスと組み合わされ得る。

【0171】

フロー700は、フロー500、550、600、または650に厳密に従う。フロー700は、カスタマが1つまたは複数のデザインプリミティブおよび/またはキーワードをアップロードすること(702)で開始する。このステップの詳細については、(502)に関する図5A、(552)に関する図5B、(602)に関する図6A、または(652)に関する図6Bの説明において上記で見出すことができる。

【0172】

フロー700は続き、システムはユーザに提供されることになるコンテンツに対するフォーマットを選択する(704)。このステップの詳細については、(504)に関する図5A、(554)に関する図5B、(604)に関する図6A、または(654)に関する図6Bの説明において上記で見出すことができる。

【0173】

フロー700は続き、システムは、データを事前処理し、ユーザに提供されることになるタスクの正当性を検証する(706)。このステップの詳細については、(506)に関する図5A、(556)に関する図5B、(606)に関する図6A、または(656)に関する図6Bの説明において上記で見出すことができる。

【0174】

フロー700は続き、事前処理されたデータ、およびユーザに提供されることになる、検証されたタスクを記憶する(708)。このステップの詳細については、(508)に関する図5A、(558)に関する図5B、(608)に関する図6A、または(658)に関する図6Bの説明において上記で見出すことができる。

【0175】

フロー700は続き、ウェブサイトまたはアプリケーションのユーザはサービスされるコンテンツと対話する(710)。このステップの詳細については、(510)に関する図5A、(560)に関する図5B、(610)に関する図6A、または(660)に関する図6Bの説明において上記で見出すことができる。

【0176】

フロー700は続き、ユーザの応答を記憶する(712)。このステップの詳細については、(512)に関する図5A、(562)に関する図5B、(612)に関する図6A、または(662)に関する図6Bの説明において上記で見出すことができる。

【0177】

フロー700は続き、ユーザ応答データに基づいて、1つまたは複数の行動モデルを構築する(714)。このステップの詳細については、(514)に関する図5A、(564)に関する図5B、(614)に関する図6A、または(664)に関する図6Bの説明において上記で見出すことができる。

【0178】

フロー700は続き、1つまたは複数の行動モデルに基づいて、新しいアイディアおよび/または概念を分析し識別する(716)。このステップの詳細については、(516)に関する図5A、(566)に関する図5B、(616)に関する図6A、または(666)に関する図6Bの説明において上記で見出すことができる。

【0179】

フロー700は続き、新しいデザインおよび/または意味論的記述子を生成するためにデザインを探索および/または最適化する(718)。このステップの詳細については、(518)に関する図5A、(568)に関する図5B、(618)に関する図6A、または(668)に関する図6Bの説明において上記で見出すことができる。

【0180】

フロー700は、行動モデルを使用して、行動モデルによって識別されたデザインに最も厳密に従う特徴を有する既存の製品または製品のアンサンブルを識別すること(720)を含む。いくつかの実装形態では、モデル生成器126は、既存のキーワード記述の有無にかかわらず、既存の製品デザインおよび特徴を記憶するデータベースまたは他の検索可能構造にアクセスすることができる。

【0181】

フロー700は続き、修正されたデザイン形状を製作する(722)。このステップの詳細については、(622)に関する図6Aおよび(672)に関する図6Bの説明において上記で見出すことができる。

【0182】

フロー700は続き、修正されたデザイン形状がリリース基準を満たすかどうかを決定する(724)。このステップの詳細については、(624)に関する図6Aおよび(674)に関する図6Bの説明において上記で見出すことができる。

【0183】

フロー700は、随意に、修正されたデザイン形状を有する製品の製造および出荷を含み得る(726)。このステップの詳細については、(626)に関する図6Aおよび(676)に関する図6Bの説明において上記で見出すことができる。

【0184】

一例では、タスクは、製品デザインのアンサンブルを表示することを含む。たとえば、製品デザインのアンサンブルは、室内の備品など、異なるアイテムタイプ用の異なる製品デザイン(たとえば、椅子、テーブル、ベッド、アクセサリー、アートなど用のデザイン)を含んでよく、ユーザが視覚的にともに魅力あるように見えると考える、異なる製品デザインおよび異なるアイテムタイプのうちどれを選択するかをユーザに尋ねる。いくつかの実装形態では、ユーザフィードバックは、既存のデザインをテストし、クロスセリング戦略およびアップセリング戦略など、新しいマーケティング戦略を形成するための後続のタスクにおいて使用され得る。

【0185】

別の例では、タスクは、ユーザが靴または車などの製品をデザインまたは構成する方法、およびユーザが製品を受け取る方法または製造業者が製品を作成し、ユーザに出荷する方法を含む。たとえば、ユーザは、フィードバック機構を通じて入力を提供して、新しいデザインまたは所定の特徴値のセットを使用して構成されたデザインを示すことができる。

【0186】

別の例では、タスクは、ユーザが既存の製品デザインを修正し、製造業者にカスタム調整された製品を(たとえば、3Dプリンタを使用して)ユーザに提供させる方法を含む。たとえば、ユーザは、フィードバック機構を通じて入力を提供し、既存のデザインに対する修正を示すことができる。

【0187】

図7Bは、システムが図1の例示的な環境においてソフトウェアデザインおよび製品をカスタマイズするためにユーザフィードバックを実装する場合のデータフロー750を示す。データフロー750の動作は、システム100の様々な構成要素によって実行され得る。たとえば、データフロー750の動作は、DCDS110、ユーザデバイス106、第三者140、および標示データベース130と通信しているデータ品質プロセッサ120によって実行され得る。

【0188】

データフロー750は、意味的行動モデルを使用して、たとえば、特定のユーザ、ユーザセグメント、またはグループなどに対して調整されるようにソフトウェア製品を構成する。一例では、データフロー750は、ユーザの情報に基づいて選択またはカスタマイズされた、特徴の中でも、キャラクタ、武器、環境、および/または状況を備えたマイクロゲームを作成するために使用される。

【0189】

フロー750は、フロー500、550、600、650、または700に厳密に従う。フロー750は、カスタマが1つまたは複数のデザインプリミティブおよび/または意味論的記述子をアップロードすること(752)で開始する。このステップの詳細については、(502)に関する図5A、(552)に関する図5B、(602)に関する図6A、(652)に関する図6B、または(702)に関する図7Aの説明において上記で見出すことができる。

【0190】

フロー750は続き、システムはユーザに提供されることになるコンテンツに対するフォーマットを選択する(754)。このステップの詳細については、(504)に関する図5A、(554)に関する図5B、(604)に関する図6A、(654)に関する図6B、または(704)に関する図7Aの説明において上記で見出すことができる。

【0191】

フロー750は続き、システムは、データを事前処理し、ユーザに提供されることになるタスクの正当性を検証する(756)。このステップの詳細については、(506)に関する図5A、(556)に関する図5B、(606)に関する図6A、(656)に関する図6B、または(706)に関する図7Aの説明において上記で見出すことができる。

【0192】

フロー750は続き、事前処理されたデータ、およびユーザに提供されることになる、検証されたタスクを記憶する(758)。このステップの詳細については、(508)に関する図5A、(558)に関する図5B、(608)に関する図6A、(658)に関する図6B、または(708)に関する図7Aの説明において上記で見出すことができる。

【0193】

フロー750は続き、ウェブサイトまたはアプリケーションのユーザはサービスされるコンテンツと対話する(760)。このステップの詳細については、(510)に関する図5A、(560)に関する図5B、(610)に関する図6A、(660)に関する図6B、または(710)に関する図7Aの説明において上記で見出すことができる。

【0194】

フロー750は続き、ユーザの応答を記憶する(762)。このステップの詳細については、(512)に関する図5A、(562)に関する図5B、(612)に関する図6A、(662)に関する図6B、または(712)に関する図7Aの説明において上記で見出すことができる。

【0195】

フロー750は続き、ユーザ応答データに基づいて、1つまたは複数の行動モデルを構築する(764)。このステップの詳細については、(514)に関する図5A、(564)に関する図5B、(614)に関する図6A、(664)に関する図6B、または(714)に関する図7Aの説明において上記で見出すことができる。

【0196】

フロー750は続き、1つまたは複数の行動モデルに基づいて、新しいアイディアおよび/または概念を分析し識別する(766)。このステップの詳細については、(516)に関する図5A、(566)に関する図5B、(616)に関する図6A、(666)に関する図6B、または(716)に関する図7Aの説明において上記で見出すことができる。

【0197】

フロー750は続き、新しいデザインおよび/または意味論的記述子を生成するためにデザインを探索および/または最適化する(768)。このステップの詳細については、(518)に関する図5A、(568)に関する図5B、(618)に関する図6A、(668)に関する図6B、または(718)に関する図7Aの説明において上記で見出すことができる。

【0198】

フロー750は、行動モデルを使用して、ユーザの選好に対して個人化または調整されることになるソフトウェア製品またはデジタル製品を構成すること(770)を含む。いくつかの実装形態では、ソフトウェア製品は、構成器を使用して個人化される。いくつかの実装形態では、ソフトウェア製品は、マイクロゲームであってよい。いくつかの実装形態では、ソフトウェア製品は、ウェブページまたはアプリケーション内に埋め込まれてよい。

【0199】

たとえば、ユーザ情報が、特定のユーザがStar Warsフランチャイズを享受し、ソフトウェア製品がマイクロゲームであることを示す場合、データ品質プロセッサ120、また具体的には、モデル生成器126は、ユーザおよびLucasfilmからの許可を用いて、マイクロゲームを修正して、Star Warsフランチャイズからのキャラクタ、オーディオ、アイテムなどを含めることができる。

【0200】

別の例では、ゲーム開発者は、多くのレベル、キャラクタ、武器を有し得る既存のまたは新しいゲームを使用し、ユーザがタスクを通してオンラインまたはダウンロード可能なフォームを通じて小さな部分がプレイ可能になることを可能にするユーザフィードバックで構成され得るセクションを選択することを可能にする。

【0201】

フロー750は続き、修正されたゲームデザインがリリース基準を満たすかどうかを決定する(772)。このステップの詳細については、(624)に関する図6A、(674)に関する図6B、または(724)に関する図7Aの説明において上記で見出すことができる。

【0202】

フロー750は、随意に、修正されたゲームデザインを備えたダウンロードオプションを、システムと対話し、フィードバックを提供していたユーザに配信または提供し(774)、修正されたゲームデザインを他のユーザに実際に配信すること(775)を含む。このステップの詳細については、(626)に関する図6A、(676)に関する図6B、または(726)に関する図7Aの説明において上記で見出すことができる。

【0203】

一例では、タスクは、ウィンドウサイズなど、ゲームアプリケーションに関する2つの異なるソフトウェアゲーム特性または属性をユーザに示し、ユーザがどちらにより関心があるかを尋ねることを含む。いくつかの例では、この方法は、ユーザがダウンロードするために、選定された特性または属性で事前構成されたソフトウェアをオファーすることを含んでもよい。別の例では、この方法は、ユーザがオンラインでゲームをプレイするために、選定された特性または属性で事前構成されたソフトウェアをオファーすることを含んでよい。別の例では、1つまたは複数のユーザ層に対して調整されたキャラクタ、設定、背景を備えた複数のフォームを有し得るアプリまたはゲームなど、新しいソフトウェアをデザインするために1人または複数のユーザからのタスクフィードバックを通して作成された行動モデル。別の例では、複数のユーザは、それらのユーザがアクセスを有し得るマルチプレーヤゲーム環境内に挿入されるゲーム特徴を協調的にデザインするためにタスクを使用し得る。

【0204】

フロー750は、随意に、修正されたゲームデザインを備えたダウンロードオプションを、システムと対話し、フィードバックを提供していたユーザ以外のユーザに配信または提供し(776)、修正されたゲームデザインを他のユーザに実際に配信すること(777)を含む。実装詳細は(774)に関するものと同じである。

【0205】

図7Cは、システムが図7Bに関して説明したように、ユーザフィードバックをデザインサイクル内に実装する例である。システムは、ソフトウェアタイトルなどの製品を受信することができる(780)。たとえば、システムは、ゲームまたはアプリケーションを受信し得る。システムは、製品の属性またはアセットを識別し得る。たとえば、システムは、ゲームの属性を決定し得、ゲームの属性は、キャラクタ、武器、シーン、環境、キーワードなどを含む。システムは、サムネイル、デモバージョン、複数の構成、使用/ゲームプレイのビデオ、レビュー、説明、キーワード、ハイパーカジュアルバージョンなどを含めて、ゲームアセットを識別し得る。ユーザにはゲームの属性が提示され得る(782)。たとえば、ユーザには、キャラクタA、キャラクタB、武器A、および武器Bが提示され得る。ユーザは、ゲームをプレイするための自らの選択および選定を行うことができる。ユーザにはゲームのアセットが提示され得る(783)。たとえば、ユーザには、サムネイル1およびサムネイル2、ならびにユーザ入力を要求するための2つのスライダーが提示され得る。第1のスライダーは「どのゲームがこの標示「ロールプレイング」ですか」と尋ね、ユーザはその回答を表す側にスライダーをドラッグすることができる。第2のスライダーは「どのゲームがこの標示「パズル」ですか」と尋ねる。

【0206】

図7Dは、システムが図7Bに関して説明したように、ユーザフィードバックをデザインサイクル内に実装する特定の例である。ユーザは、設定を選定するか選好を構成するためにタスクと対話することができる(784)。ユーザにはタスク関連UI要素(785)が提示され得る。ゲームまたはアプリケーションは、(786)～(788)によって概説されるフローを使用して構成され得る。たとえば、フローは、設定、構成、またはキャラクタ/スキン、インベントリ/ロードアウト、設定/環境、ミッションなどのゲーム状態説明を含み得る(786)。これらの設定および構成は、使用を制御し、およびサブゲームに対するライセンスを制限するために暗号化され得る。次いで、エンジンは、入力を受け付け、設定、構成、またはゲーム状態説明を使用して、使用可能および実行可能な環境を製作することができる(787)。ゲームまたはアプリケーションは、その場合、構成された/個人化された経験であり得る(788)。構成されたゲームまたはアプリケーションは、タスク関連UI要素(789)を通じてユーザに提供され得る。ユーザは、次いで、構成されたゲームまたはアプリケーションを受信またはダウンロードすることができる(790)。ユーザは、(784)においてタスクと対話した同じユーザであってよく、または異なるユーザであってもよい。

【0207】

図7Eは、図7Bに関して説明したように、システムがユーザフィードバックをデザインサイクル内に実装する例である。ユーザは、設定を選定するか選好を構成するためにタスクと対話すること(791)ができる。ユーザにはタスク関連UI要素(792)が提示され得る。ゲームまたはアプリケーションは、(793)～(795)によって概説されるフローを使用して構成され得る。たとえば、フローは、設定、構成、またはキャラクタ/スキン、インベントリ/ロードアウト、設定/環境、ミッションなどのゲーム状態説明を含み得る(793)。これらの設定および構成は、使用を制御し、およびサブゲームに対するライセンスを制限するために暗号化され得る。次いで、エンジンは、ライブラリから事前構成されたまたはプリコンパイルされたゲーム/アプリにユーザ設定、構成、またはゲーム状態選好をマッピングすることができる(794)。ゲームまたはアプリケーションは、その場合、構成された/個人化された経験であり得る(795)。構成されたゲームまたはアプリケーションは、タスク関連UI要素(796)を通じてユーザに提供され得る。ユーザは、次いで、構成されたゲームまたはアプリケーションを受信またはダウンロードすること(797)ができる。ユーザは、(791)においてタスクと対話した同じユーザであってよく、または異なるユーザであってもよい。

【0208】

図7Fは、システムがオートエンコーダを使用してユーザフィードバックをデザインフィードバック内に実装する特定の例である。上記で説明したように、オートエンコーダは、デザインのライブラリとともに使用され得、所与のデザインを記述する特徴の低減されたセットを効果的に表す潜在因子のセットを作成するために使用され得る。システムは、形状、画像、グラフ、データ構造などを含むデザイン表現のライブラリ(A)にアクセスし得る。システムは、次いで、デザインを記述する特徴のセットを効果的に表す潜在因子のセットを使用して、再構築されたデザイン(B)を生成することができる。システムは、元のデータから、発展した潜在要因、または改善されたデザイン特徴から、自動車デザインを自動的に作成することができる(C)。システムは、ユーザ定義されたタスクを通して作成された行動モデル(D)からの結果を受信することができる。システムは、意味的特性化の形で自動車デザインのユーザ分類(たとえば、スポーツ、ファミリー重点、コンパクト)(E)とともに行動モデルを使用することができる。システムは、コスト関数ベースのスコアリング方法(F)を使用し、デザインオブジェクトを自動的に作成するための新しい特徴ベクトルを作成するために最適化(G)を実行する。最適化が特定の基準のセットに収束する場合、方法は完了する(H)。

【0209】

図8は、データ品質改善のための例示的なプロセス800を示すフローチャートである。いくつかの実装形態では、プロセス800は、1つまたは複数のシステムによって実行され得る。たとえば、プロセス800は、図1～図2および図4のデータ品質プロセッサ120、DCDS110、ユーザデバイス106、および第三者140によって実装され得る。いくつかの実装形態では、プロセス800は、非一時的であり得るコンピュータ可読媒体上に記憶された命令として実装されてよく、命令が1つまたは複数のサーバによって実行されるとき、命令は、1つまたは複数のサーバにプロセス800の動作を実行させ得る。

【0210】

プロセス800は、ユーザデバイスにおいて提示するためのデジタルコンポーネントに対する要求をユーザデバイスから受信すること(802)によって開始する。たとえば、システム100は、要求108をユーザデバイス106から受信することができる。

【0211】

プロセス800は、ユーザによって提供された情報またはデジタルコンポーネントに対する要求内に含まれた情報のうちの1つまたは複数に基づいて、ユーザの1つまたは複数の属性を決定すること(804)によって続く。図2Aに関して上記で論じたように、データプロセッサ124は、ユーザプロファイルなど、ユーザによって提供された情報、または要求内に含まれた情報に基づいて、ユーザの1つまたは複数の属性を決定することができる。たとえば、ユーザプロファイル内で提供された情報は、特性の中でも、ユーザの年齢、性別、関心、およびロケーションを含み得る。要求108内に含まれた情報は、匿名化された情報またはユーザを識別するために使用することができない情報を含んでよく、たとえばそこから要求108が生成されたウェブサイトおよびユーザがナビゲートしていた宛先ウェブサイトを含んでよい。一例では、データプロセッサ124は、ユーザが66歳以上の男性であると決定し得る。

【0212】

プロセス800は、ユーザの1つまたは複数の属性に対応する行動モデルを識別すること(806)によって続く。たとえば、モデル生成器126は、ユーザの1つまたは複数の属性に基づいて、ユーザの行動を予測する行動モデルを識別することができる。一例では、モデル生成器126は、66歳以上の男性に対する行動モデルを識別し得る。

【0213】

プロセス800は、ユーザの1つまたは複数の属性に対応する、識別された行動モデルに基づいて、デジタルコンポーネントによって示されたアイテムの提示を動的に改変すること(808)によって続く。たとえば、タスクプロセッサ122および/またはデータプロセッサ124は、ユーザの1つまたは複数の属性に対応する、識別された行動モデルに基づいて、デジタルコンポーネントによって示されたアイテムの提示、たとえば、タスク質問を動的に修正することができる。一例では、タスクプロセッサ122は、66歳以上の男性に対する行動モデルに基づいて、タスク内に示されたマグデザインに関するタスク質問を修正し得る。

【0214】

いくつかの実装形態では、タスクプロセッサ122は、アイテムに関するユーザからのフィードバックを要請するデジタルコンポーネントに関して、フィードバックが要請されるフォーマットを選択する。たとえば、タスクプロセッサ122は、特定のマグデザインに対するユーザの反応に関するフォーマットを選択する。

【0215】

いくつかの実装形態では、データ品質プロセッサ120は、そのアイテムに関してユーザから要請されることになるフィードバックを識別するために、機械学習技術または人工知能技術を使用することを含めて、ユーザの1つまたは複数の属性に対応する、識別された行動モデルに基づいて、デジタルコンポーネントによって示されたアイテムの提示を動的に改変する。たとえば、データ品質プロセッサ120は、マグデザインに関してユーザから要請されることになるフィードバックを識別するためにモデル生成器126の出力を使用し得る。

【0216】

いくつかの実装形態では、タスクプロセッサ122は、ユーザ母集団の十分に表されていないセグメントに対応する特定の属性に基づいて、デジタルコンポーネントによって要請される情報を検証する。たとえば、タスクプロセッサ122は、ユーザ年齢属性に基づいて配信されることになるタスクによって要請されている情報を検証する。

【0217】

プロセス800は、そのアイテムに関する情報を含むデータベース内のユーザ母集団の十分に表されていないセグメントに対応する特定の属性をユーザが有すると決定すること(810)によって続く。たとえば、データプロセッサ124は、しきい値応答数に基づいて、66歳以上の男性のユーザセグメントが十分に表されていないセグメントであると決定し得る。いくつかの実装形態では、データプロセッサ124は、統計分析を使用して、ユーザ母集団の十分に表されていないセグメントを識別する。データプロセッサ124は、次いで、ユーザデバイス106のユーザがマグデザインに関する情報を含むデータベース内のユーザ母集団の十分に表されていないセグメントに対応する年齢属性を有すると決定し得る。

【0218】

プロセス800は、ユーザ母集団の十分に表されていないセグメントに対応する特定の属性をユーザが有するとの決定に応答して、要求に応答して、そのアイテムの動的に改変された提示を含み、そのアイテムに関してユーザからのフィードバックを要請し、ユーザがそのアイテムに関するフィードバックをサブミットすることを可能にするフィードバック機構を含むデジタルコンポーネントを生成すること(812)によって続く。たとえば、タスクプロセッサ122は、マグデザインに関してユーザデバイス106のユーザからのフィードバックを要請し、ユーザがそのアイテムに関するフィードバックをサブミットすることを可能にするポール機能などのフィードバック機構を含む、そのアイテムの改変された提示、または改変されたタスクを生成することができる。いくつかの実装形態では、DCDS110は、図1から図7に関して上記で説明したように、ユーザデバイス106に配信されることになるデジタルコンポーネントを生成するか、そのデジタルコンポーネントを選択する。

【0219】

プロセス800は、そのアイテムに関してユーザから取得されたフィードバックを含めるためにデータベースを更新すること(814)によって続く。たとえば、データプロセッサ124は、ユーザデバイス106のユーザからのフィードバックでそのアイテムに関する情報を含むデータベースを更新し得る。

【0220】

いくつかの実装形態では、ユーザ母集団の十分に表されていないセグメントに対応する特定の属性を有するユーザからのフィードバックの受信に応答して、データ品質プロセッサ120は、ユーザの1つまたは複数の属性でフィードバック情報を標示し、標示されたフィードバック情報を、標示データベース130など、標示された検索可能なデータベース内に記憶する。

【0221】

プロセス800は、ユーザから取得されたフィードバックに少なくとも部分的に基づいて、ユーザの1つまたは複数の属性を有する他のユーザに配信されるとき、そのアイテムの提示を修正すること(816)によって続く。たとえば、データ品質プロセッサ120は、ユーザから取得されたフィードバックに基づいてユーザの1つまたは複数の属性を共有する他のユーザに配信されるとき、そのアイテムの提示を修正し得る。これは、データ品質プロセッサ120が、そのシステムと対話するユーザの属性に基づいて、そのタスクおよび製品デザインを適応させることを可能にする。

【0222】

いくつかの実装形態では、データ品質プロセッサ120は、デジタルコンポーネントによって含まれた特定のフィードバック機構を選択することによってユーザの1つまたは複数の属性を有する他のユーザに配信されるとき、そのアイテムの提示を修正し得る。

【0223】

図9は、自動デザイン空間探索のための例示的なプロセス900を示すフローチャートである。いくつかの実装形態では、プロセス900は、1つまたは複数のシステムによって実行され得る。たとえば、プロセス900は、図1～図2および図4のデータ品質プロセッサ120、DCDS110、ユーザデバイス106、および第三者140によって実装され得る。いくつかの実装形態では、プロセス900は、非一時的であり得るコンピュータ可読媒体上に記憶された命令として実装されてよく、命令が1つまたは複数のサーバによって実行されるとき、命令は、1つまたは複数のサーバにプロセス900の動作を実行させ得る。

【0224】

プロセス900は、ユーザデバイスにおいて提示するためのデジタルコンポーネントに対する要求をユーザデバイスから受信すること(902)によって開始する。たとえば、上記で説明したように、システム100、および具体的にはDCDS110は、ユーザデバイス106における提示のためのデジタルコンポーネントに対する要求108を受信し得る。

【0225】

プロセス900は、特定の製品デザインに関するユーザ提供情報のデータセットを受信すること(904)によって続く。たとえば、データ品質プロセッサ120は、ハンドバッグデザインなど、特定の製品デザインに関するユーザ提供応答を受信し得る。いくつかの実装形態では、製品デザインは特定の製品に関する。製品デザインは、サービスまたはソフトウェア製品に関し得る。たとえば、特定の製品デザインは、ソフトウェアアプリケーションに関するユーザインターフェースデザインであってよい。

【0226】

プロセス900は、潜在的な製品デザインジオメトリを表す連続形状にデザイン係数をマッピングする視覚表現を、ユーザ提供情報のデータセットに基づいて生成すること(906)によって続く。図3～図4に関して上記で説明したように、モデル生成器126は、主観係数を潜在的な製品デザインを表す連続形状にマッピングするデザイン空間を生成することができる。たとえば、モデル生成器126は、記述子などの意味係数を考えられるデザインのユニバースを表す連続形状にマッピングするデザイン空間を生成し得る。

【0227】

デザイン空間は、ユーザ提供情報のデータセットに基づいて、デザイン係数を潜在的製品デザインジオメトリを表す連続形状にマッピングする視覚表現を生成することが潜在的製品デザインジオメトリをデザイン係数にマッピングすることによって視覚表現を生成することを含むように可逆であり得る。

【0228】

プロセス900は、デザイン係数値に基づいて、視覚表現を複数のセグメントにセグメント化すること(908)によって続く。図3～図4に関して上記で説明したように、モデル生成器126は、主観係数の値に基づいて、デザイン空間をグループにセグメント化し得る。

【0229】

いくつかの実装形態では、デザイン係数値に基づいて視覚表現を複数のセグメントにセグメント化することは、視覚表現の各セグメントが定義された値範囲内のデザイン係数値を共有するように、デザイン係数値に基づいて、視覚表現を複数のセグメントに分割することを含む。たとえば、データプロセッサ124は、ハンドバッグデザインがどの程度楽に認知されるかの主観的評価など、デザイン係数値範囲に基づいてデザイン空間を複数のセグメントにセグメント化し得る。

【0230】

プロセス900は、しきい値量に満たないデータポイントを含む視覚表現のセグメントを選択すること(910)によって続く。図3～図4に関して上記で説明したように、データプロセッサ124は、しきい値データポイント数などのメトリックに従って、データのセグメントを識別することができる。たとえば、データプロセッサ124は、しきい値量に満たないデータポイントを有するまたは他のメトリックに満たないセグメントとして、非常に「スタイリッシュ」かつ非常に「実用的」であるバッグのセグメントを識別し得る。

【0231】

プロセス900は、ユーザから情報を要請するデジタルコンポーネントを選択すること(912)によって続く。たとえば、タスクプロセッサ122またはDCDS110は、ユーザから情報を要請するデジタルコンポーネントを選択することができる。タスクプロセッサ122は、ユーザから情報を要請する、ユーザに対するタスクを選択または生成し得る。

【0232】

いくつかの実装形態では、タスクプロセッサ122は、ユーザからの情報を要請するデジタルコンポーネントに関して、フィードバックが要請されるフォーマットを選択する。たとえば、タスクプロセッサ122は、ハンドバッグデザインに対するユーザの反応に関するフォーマットを選択する。

【0233】

いくつかの実装形態では、情報が要請されるフォーマットを選択することは、動的に改変されるデジタルコンポーネントが提供されることになる特定のフィードバック機構を選択することを含む。

【0234】

いくつかの実装形態では、タスクプロセッサ122は、ユーザ母集団の十分に表されていないセグメントに対応する特定の属性に基づいて、デジタルコンポーネントによって要請される情報を検証する。たとえば、タスクプロセッサ122は、ユーザ年齢属性に基づいて配信されることになるタスクによって要請されている情報を検証する。

【0235】

プロセッサ900は、しきい値量に満たないデータポイントを含む視覚表現のセグメントに関するユーザからの情報を要請するデジタルコンポーネントの提示を、視覚表現の選択されたセグメントに基づいて動的に改変すること(914)によって続く。たとえば、図3～図4に関して上記で説明したように、タスクプロセッサ122は、既存のタスクを動的に改変すること、または新しいタスクを生成することができる。一例では、タスクプロセッサ122は、前にユーザに生成または提示されていない新しい製品デザインをユーザに提示するように既存のタスクを改変し得る。

【0236】

いくつかの実装形態では、コンテンツアイテムの提示を動的に改変することは、デジタルコンポーネントによって要求されることになる情報を指定するために機械学習技法または人工知能技法を使用することを含む。たとえば、データ品質プロセッサ120は、タスクによって要求されることになる情報を決定および指定するためにモデル生成器126によって生成された機械学習モデルを使用し得る。

【0237】

いくつかの実装形態では、デジタルコンポーネントの提示を動的に改変することは、ユーザデバイスにおいて提示するためのデジタルコンポーネントに対する要求に基づいて、ユーザデバイスのユーザが特定の製品デザインに関心を持つユーザの第1のクラスタ内にあると決定することと、ユーザデバイスのユーザが特定の製品デザインに関心を有するユーザの第1のクラスタ内にあると決定することに基づいて、デジタルコンポーネントのユーザインターフェース要素を識別することと、デジタルコンポーネントの提示のユーザインターフェース要素を改変することとを含む。たとえば、データプロセッサ124は、ユーザデバイス106のユーザが関心を有するユーザのクラスタ内にあると決定し、タスクのユーザインターフェース要素を識別し、ハンドバッグデザインにすでに関心を有するユーザに対してタスクをカスタマイズするためにユーザインターフェース要素を改変することができる。

【0238】

いくつかの実装形態では、デジタルコンポーネントの提示を動的に改変することは、ユーザデバイスにおいて提示するためのデジタルコンポーネントに対する要求に基づいて、ユーザデバイスのユーザが特定の製品デザインに関心を持つユーザの第1のクラスタ内にあると決定することであって、ユーザデバイスにおいて提示するためのデジタルコンポーネントに対する要求が、ユーザによって提供された情報に基づくユーザの1つまたは複数の属性を示す、決定することと、ユーザデバイスのユーザが特定の製品デザインに関心を有するユーザの第1のクラスタ内にあると決定することに基づいて、デジタルコンポーネントのユーザインターフェース要素を識別することと、デジタルコンポーネントの提示のユーザインターフェース要素を改変することとを含む。

【0239】

いくつかの実装形態では、プロセス900は、フィードバック情報に基づいて、潜在的製品デザインジオメトリのユーザ受け止めを予測する行動モデルを構築することを含む。たとえば、モデル生成器126は、ハンドバッグ製品デザインのユーザ受け止めを予測する行動モデルを生成し得る。特定の製品デザインのデザイン係数の修正は、行動モデルに少なくとも部分的に基づく。

【0240】

プロセス900は、ユーザデバイスにおける提示のために、動的に改変されたデジタルコンポーネントを配信すること(916)によって続く。たとえば、DCDS110は、タスク、および返答114としていずれかの要求されたコンテンツをユーザデバイス106に配信し得る。

【0241】

プロセス900は、しきい値量に満たないデータポイントを含む視覚表現のセグメントに関するフィードバック情報を、ユーザデバイスから、フィードバック機構によって取得すること(918)によって続く。たとえば、DCDS110は、ユーザデバイス106から応答データ116を受信し、データプロセッサ124に提供することができる。図3～図4に関して上記で説明したように、データ品質プロセッサ120は、視覚表現の特定のセグメントに関するフィードバック情報をユーザから受信することができる。たとえば、データプロセッサ124およびDCDS110は、しきい値量に満たないデータポイントを有するデザイン空間のセグメントに関するフィードバック情報をユーザデバイス106から受信し得る。

【0242】

いくつかの実装形態では、ユーザデバイスにおいて提示するためのデジタルコンポーネントに対する要求は、ユーザデバイスのユーザのユーザ層情報を示す。プロセス900は、ユーザデバイスにおいて提示するためのデジタルコンポーネントに対する要求に基づいて、ユーザデバイスのユーザが、Californiaの女性であるユーザのグループなど、第1のユーザグループ内にあると決定することをさらに含み得る。

【0243】

いくつかの実装形態では、プロセス900は、第2のユーザデバイスのユーザのユーザ層情報を示す、第2のユーザデバイスにおいて提示するためのデジタルコンポーネントに対する要求を第2のユーザデバイスから受信することをさらに含み得る。システム100(たとえば、データプロセッサ124)は、次いで、第2のユーザデバイスにおいて提示するためのデジタルコンポーネントに対する要求に基づいて、第2のユーザデバイスのユーザがユーザデバイスのユーザと同じ第1のユーザグループ内にあると決定することを含み得る。たとえば、システム100(たとえば、データプロセッサ124)は、第2のユーザデバイスのユーザがCaliforniaの女性であると決定し得る。第2のユーザデバイスのユーザがユーザデバイスのユーザと同じ第1のユーザグループ内にあるとの決定に応答して、システム100は、特定の製品デザインではなく修正された製品デザインを提供することができる。たとえば、タスクプロセッサ122は、第1のユーザデバイスのユーザと第2のユーザデバイスのユーザとの間の類似性により、オリジナルハンドバッグデザインの代わりに、修正されたハンドバッグデザインを第2のユーザデバイスのユーザに提供することができる。

【0244】

プロセス900は、修正された製品デザインを作成するためにユーザから取得されたフィードバック情報に少なくとも部分的に基づいて、特定の製品デザインのデザイン係数を修正すること(920)によって続く。たとえば、モデル生成器126は、修正されたハンドバッグデザインを作成するためのユーザからのフィードバック情報に少なくとも部分的に基づいて、ハンドバッグデザインのデザイン係数を修正し得る。

【0245】

図3～図4に関して上記で説明したように、モデル生成器126は、デザイン空間および/または行動モデルを更新することができる。たとえば、モデル生成器126は、行動モデルまたはデザイン生成器のためのトレーニングシステムに対する入力としてフィードバック情報を提供することによって、データセットを更新し得る。

【0246】

いくつかの実装形態では、プロセス900は、修正された製品デザインに基づいて、複数の既存の製品デザインから、修正された製品デザインに共通する最大数のデザイン係数値を有する、最も近い既存の製品デザインを識別することを含む。たとえば、データ品質プロセッサ120は、修正されたデザインに最も厳密に従う既存の製品を識別し得る。システム100は、たとえば、まったく新しい製品を生成する代わりに、既存の製品およびその製造方法を修正することができる。いくつかの実装形態では、システム100は、修正された製品デザインを組み込まれた製造システムに提供することができる。たとえば、データ品質プロセッサ120は、即時の製作のために、修正された製品デザインを3D印刷システムまたは自動製造システムに提供し得る。

【0247】

図10は、上記で説明された動作を実行するために使用され得る例示的なコンピュータシステム1000のブロック図である。システム1000は、プロセッサ1010、メモリ1020、記憶デバイス1030、および入力/出力デバイス1040を含む。構成要素1010、1020、1030、および1040の各々は、たとえば、システムバス1050を使用して相互接続することができる。プロセッサ1010は、システム1000内で実行するための命令を処理することが可能である。一実装形態では、プロセッサ1010は、シングルスレッドプロセッサである。別の実装形態では、プロセッサ1010は、マルチスレッドプロセッサである。プロセッサ1010は、メモリ1020内または記憶デバイス1030上に記憶された命令を処理することが可能である。

【0248】

メモリ1020は、情報をシステム1000内に記憶する。一実装形態では、メモリ1020は、コンピュータ可読媒体である。一実装形態では、メモリ1020は、揮発性メモリユニットである。別の実装形態では、メモリ1020は、不揮発性メモリユニットである。

【0249】

記憶デバイス1030は、システム1000に対する大容量記憶装置を提供し得る。一実装形態では、記憶デバイス1030は、コンピュータ可読媒体である。様々な異なる実装形態では、記憶デバイス1030は、たとえば、ハードディスクデバイス、光ディスクデバイス、複数のコンピューティングデバイス(たとえば、クラウド記憶デバイス)によってネットワーク上で共有される記憶デバイス、または何らかの他の大容量記憶デバイスを含み得る。

【0250】

入出力デバイス1040は、システム1000のための入出力動作を提供する。一実装形態では、入出力デバイス1040は、1つまたは複数のネットワークインターフェースデバイス、たとえば、Ethernetカード、シリアル通信デバイス、たとえば、RS-232ポート、および/またはワイヤレスインターフェースデバイス、たとえば、802.11カードを含み得る。別の実装形態では、入出力デバイスは、入力データを受信し、出力データを他の入出力デバイス、たとえば、キーボード、プリンタ、および表示デバイス1060に送信するように構成されたドライバデバイスを含み得る。しかしながら、モバイルコンピューティングデバイス、モバイル通信デバイス、セットトップボックステレビクライアントデバイスなどの、他の実装形態も使用され得る。

【0251】

例示的な処理システムが図10で説明されているが、本明細書で説明した主題および機能的動作の実装形態は、他のタイプのデジタル電子回路において、もしくは、本明細書で開示した構造およびそれらの構造等価物を含む、コンピュータソフトウェア、ファームウェア、もしくは、ハードウェアにおいて、またはそれらのうちの1つもしくは複数の組合せにおいて実装され得る。

【0252】

電子ドキュメント(簡潔にするために単にドキュメントと呼ばれる)は、必ずしもファイルに対応するとは限らない。ドキュメントは、他のドキュメントを保持するファイルの一部分に、当該のドキュメント専用の単一のファイルに、または複数の協調ファイル内に記憶され得る。

【0253】

本明細書で説明した主題および動作の実施形態は、デジタル電子回路において、または、本明細書で開示した構造およびそれらの構造等価物を含む、コンピュータソフトウェア、ファームウェア、もしくはハードウェアにおいて、またはそれらのうちの1つもしくは複数の組合せにおいて実装され得る。本明細書で説明した主題の実施形態は、データ処理装置による実行のために、またはデータ処理装置の動作を制御するために、1つまたは複数のコンピュータ記憶媒体上で符号化された1つまたは複数のコンピュータプログラム、すなわち、コンピュータプログラム命令の1つまたは複数のモジュールとして実装され得る。代替または追加として、プログラム命令は、データ処理装置による実行のための、好適な受信機装置への送信のために情報を符号化するために生成される、人工的に生成された伝搬信号、たとえば、機械生成された電気信号、光信号、または電磁信号上で符号化され得る。コンピュータ記憶媒体は、コンピュータ可読記憶デバイス、コンピュータ可読記憶基板、ランダムもしくはシリアルアクセスメモリアレイもしくはデバイス、またはそれらのうちの1つもしくは複数の組合せであり得るか、またはそれらの中に含まれ得る。その上、コンピュータ記憶媒体は伝搬信号ではないが、コンピュータ記憶媒体は、人工的に生成された伝搬信号の中で符号化されたコンピュータプログラム命令のソースまたは宛先であり得る。コンピュータ記憶媒体はまた、1つまたは複数の別個の物理構成要素または媒体(たとえば、複数のCD、ディスク、または他の記憶デバイス)であり得るか、またはそれらに含まれ得る。

【0254】

本明細書で説明した動作は、1つまたは複数のコンピュータ可読記憶デバイス上に記憶されたまたは他のソースから受信されたデータに対してデータ処理装置によって実行される動作として実装され得る。

【0255】

「データ処理装置」という用語は、例として、プログラマブルプロセッサ、コンピュータ、システムオンチップ、または上記の複数のもの、もしくは上記のものの組合せを含む、データを処理するためのあらゆる種類の装置、デバイス、および機械を包含する。装置は、専用論理回路構成、たとえば、FPGA(フィールドプログラマブルゲートアレイ)またはASIC(特定用途向け集積回路)を含み得る。装置は、ハードウェアに加えて、当該のコンピュータプログラムのための実行環境を作成するコード、たとえば、プロセッサファームウェア、プロトコルスタック、データベース管理システム、オペレーティングシステム、クロスプラットフォームランタイム環境、仮想マシン、またはそれらのうちの1つまたは複数の組合せを構成するコードをも含むことができる。装置および実行環境は、ウェブサービス、分散コンピューティングおよびグリッドコンピューティングインフラストラクチャなど、様々な異なるコンピューティングモデルインフラストラクチャを実現することができる。

【0256】

コンピュータプログラム(プログラム、ソフトウェア、ソフトウェアアプリケーション、スクリプト、またはコードとしても知られている)は、コンパイル型言語またはインタプリタ型言語、宣言型言語または手続き型言語を含む任意の形態のプログラミング言語で書かれ得、スタンドアロンプログラムとして、またはモジュール、構成要素、サブルーチン、オブジェクト、もしくはコンピューティング環境において使用するのに適した他のユニットとして、を含む任意の形態で展開され得る。コンピュータプログラムは、ファイルシステムにおけるファイルに対応し得るが、そうである必要はない。プログラムは、他のプログラムまたはデータ(たとえば、マークアップ言語文書の中に記憶された1つまたは複数のスクリプト)を保持するファイルの一部分の中に、当該のプログラムに専用の単一のファイルの中に、または複数の協調ファイル(たとえば、1つまたは複数のモジュール、サブプログラム、またはコードの部分を記憶するファイル)の中に記憶され得る。コンピュータプログラムは、1つのコンピュータ上で、または、1つのサイトに配置されるかもしくは複数のサイトにわたって分散され、通信ネットワークによって相互接続される複数のコンピュータ上で実行されるように展開され得る。

【0257】

本明細書で説明したプロセスおよび論理フローは、入力データ上で動作し、出力を生成することによってアクションを行うために、1つまたは複数のコンピュータプログラムを実行する1つまたは複数のプログラマブルプロセッサによって実行され得る。プロセスおよび論理フローは、専用論理回路、たとえば、FPGA(フィールドプログラマブルゲートアレイ)またはASIC(特定用途向け集積回路)によっても実行され得、装置は、それらとしても実装され得る。

【0258】

コンピュータプログラムの実行に好適なプロセッサは、例として、汎用マイクロプロセッサと専用マイクロプロセッサの両方を含む。一般に、プロセッサは、命令およびデータを、読取り専用メモリ、もしくはランダムアクセスメモリ、またはその両方から受信する。コンピュータの必須要素は、命令に従ってアクションを行うためのプロセッサ、ならびに命令およびデータを記憶するための1つまたは複数のメモリデバイスである。一般に、コンピュータはまた、データを記憶するための1つまたは複数の大容量記憶デバイス、たとえば、磁気ディスク、光磁気ディスク、もしくは光ディスクを含むか、または、それらからデータを受信することもしくはそれらにデータを転送すること、もしくは両方を行うために動作可能に結合される。しかしながら、コンピュータはそのようなデバイスを有する必要はない。さらに、コンピュータは、ほんの数例を挙げると、別のデバイス、たとえば、モバイル電話、携帯情報端末(PDA)、モバイルオーディオもしくはビデオプレーヤ、ゲームコンソール、全地球測位システム(GPS)受信機、またはポータブル記憶デバイス(たとえば、ユニバーサルシリアルバス(USB)フラッシュドライブ)内に埋め込まれ得る。コンピュータプログラム命令およびデータを記憶するのに適したデバイスは、例として、半導体メモリデバイス、たとえば、EPROM、EEPROM、およびフラッシュメモリデバイス、磁気ディスク、たとえば、内部ハードディスクまたはリムーバブルディスク、光磁気ディスク、ならびにCD-ROMディスクおよびDVD-ROMディスクを含む、すべての形態の不揮発性メモリ、不揮発性媒体、および不揮発性メモリデバイスを含む。プロセッサおよびメモリは、専用論理回路構成によって増補され得るか、または専用論理回路構成の中に組み込まれ得る。

【0259】

ユーザとの対話を提供するために、本明細書で説明した主題の実施形態は、情報をユーザに表示するためのディスプレイデバイス、たとえば、CRT(陰極線管)またはLCD(液晶ディスプレイ)モニタと、それによってユーザが入力をコンピュータに提供することができるキーボードおよびポインティングデバイス、たとえば、マウスまたはトラックボールとを有するコンピュータ上で実装され得る。他の種類のデバイスも、ユーザとの対話を提供するために使用され得、たとえば、ユーザに提供されるフィードバックは、任意の形態の感覚フィードバック、たとえば、視覚フィードバック、聴覚フィードバック、または触覚フィードバックであり得、ユーザからの入力は、音響入力、音声入力、または触覚入力を含む任意の形態で受信され得る。加えて、コンピュータは、ドキュメントをユーザによって使用されるデバイスに送信し、ドキュメントをそのデバイスから受信することによって、たとえば、ユーザのクライアントデバイス上のウェブブラウザから受信された要求に応答してウェブページをそのウェブブラウザに送信することによって、ユーザと対話することができる。

【0260】

本明細書で説明した主題の実施形態は、たとえば、データサーバとして、バックエンド構成要素を含むか、もしくはミドルウェア構成要素、たとえば、アプリケーションサーバを含むか、またはフロントエンド構成要素、たとえば、ユーザが本明細書で説明した主題の実装形態とそれを通して対話することができるグラフィカルユーザインターフェースまたはウェブブラウザを有するクライアントコンピュータを含むか、あるいは1つもしくは複数のそのようなバックエンド構成要素、ミドルウェア構成要素、またはフロントエンド構成要素の任意の組合せを含む、コンピューティングシステムにおいて実装され得る。システムの構成要素は、デジタルデータ通信の任意の形態または媒体、たとえば、通信ネットワークによって相互接続され得る。通信ネットワークの例は、ローカルエリアネットワーク(「LAN」)およびワイドエリアネットワーク(「WAN」)、インターネットワーク(たとえば、インターネット)、およびピアツーピアネットワーク(たとえば、アドホックピアツーピアネットワーク)を含む。

【0261】

コンピューティングシステムは、クライアントおよびサーバを含み得る。クライアントおよびサーバは、概して、互いからリモートにあり、一般に、通信ネットワークを通して対話する。クライアントとサーバとの関係は、コンピュータプログラムがそれぞれのコンピュータ上で実行し互いにクライアントサーバ関係を有することによって生じる。いくつかの実施形態では、サーバは、(たとえば、クライアントデバイスと対話するユーザにデータを表示するとともにそのユーザからユーザ入力を受信するために)データ(たとえば、HTMLページ)をクライアントデバイスへ送信する。クライアントデバイスにおいて生成されたデータ(たとえば、ユーザ対話の結果)は、サーバにおいてクライアントデバイスから受信され得る。

【0262】

本明細書は多くの特定の実装詳細を含むが、これらは、任意の発明のまたは特許請求され得るものの範囲に対する限定と解釈すべきではなく、特定の発明の特定の実施形態に特定の特徴の説明と解釈すべきである。本明細書で別個の実施形態の文脈で説明したいくつかの特徴は、単一の実施形態で組み合わせて実装されてもよい。逆に、単一の実施形態の文脈で説明した様々な特徴は、複数の実施形態で別個に、または任意の好適な部分組合せで実装されてもよい。さらに、特徴は上記でいくつかの組合せで動作するとして説明されている場合があり、当初、そのように特許請求されている場合すらあるが、特許請求される組合せからの1つまたは複数の特徴は、場合によっては、組合せから削除されてよく、特許請求される組合せは、部分組合せまたは部分組合せの変形形態に関する場合がある。

【0263】

同様に、動作は、特定の順序で図面に示されるが、これは、望ましい結果を達成するために、そのような動作が図示された特定の順序でもしくは順番に行われること、または例示したすべての動作が行われることを必要とするものと理解されるべきではない。状況によっては、マルチタスキングおよび並列処理が有利であり得る。さらに、上記で説明した実施形態における様々なシステム構成要素の分離は、すべての実施形態においてそのような分離を必要とするものとして理解されるべきではなく、説明したプログラム構成要素およびシステムは一般に、単一のソフトウェア製品に一緒に組み込まれるか、または複数のソフトウェア製品にパッケージ化されることがあると理解されたい。

【0264】

以上、本主題の特定の実施形態について説明した。他の実施形態は、以下の特許請求の範囲内にある。場合によっては、特許請求の範囲において列挙されるアクションは、異なる順序で実行される場合があるが、依然として望ましい結果を達成することができる。加えて、添付の図において図示されるプロセスは、望ましい結果を達成するために、必ずしも示されている特定の順序または順番を必要とするとは限らない。いくつかの実装形態では、マルチタスキングおよび並列処理が有利であり得る。

【符号の説明】

【0265】

100 環境、システム
102 ネットワーク
104 電子ドキュメントサーバ、Electric Doc Server
105 電子ドキュメント、Electric Doc
106 ユーザデバイス
108 要求、要求データ
110 デジタルコンポーネント配信システム、DCDS
112 デジタルコンポーネントデータベース
114 返答データ、返答
116 応答データ
120 データ品質プロセッサ
122 タスクプロセッサ
124 データプロセッサ
126 モデル生成器
130 標示データベース、包括的データベース
140 第三者、第三者バッグデザイナー
200 データフロー、プロセス
250 サーバ
252 ベースラインモデル
254 タスクリポジトリ
256 モデルトレーニングモジュール
258 更新されたベースラインモデル
260 デバイス
260a デバイスA
260b デバイスB
260n デバイスN
262 モデル
262a モデルA
262b モデルB
262n モデルN
270 ユーザ
270a ユーザ
270b ユーザ
270n ユーザ
272 意味的マッピング
272a 意味的マッピング
272b 意味的マッピング
272n 意味的マッピング
300 デザイン空間
302 バッグデザイン
304 バッグデザイン
306 ユーザ応答データ
308 ユーザ応答データ
312 バッグデザイン、デザイン
314 バッグデザイン、デザイン
400 データフロー、プロセス
500 データフロー、フロー
600 データフロー、フロー
700 データフロー、フロー
800 プロセス
900 プロセス
1000 コンピュータシステム、システム
1010 プロセッサ、コンポーネント
1020 メモリ、コンポーネント
1030 記憶デバイス、コンポーネント
1040 入力/出力デバイス、コンポーネント
1050 システムバス

【図1】

【図2A】

【図2B】

【図2C】

【図3】

【図4】

【図5A】

【図5B】

【図6A】

【図6B】

【図7A】

【図7B】

【図7C】

【図7D】

【図7E】

【図7F】

【図8】

【図9】

【図10】